Voice characteristics from isolated rapid eye movement sleep behavior disorder to early Parkinson's disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Speech disorders are amongst the first symptoms to appear in Parkinson's disease (PD). OBJECTIVES: We aimed to characterize PD voice signature from the prodromal stage (isolated rapid eye movement sleep behavior disorder, iRBD) to early PD using an automated acoustic analysis and compare male and female patients. We carried out supervised learning classifications to automatically detect patients using voice only. METHODS: Speech samples were acquired in 256 French speakers (117 participants with early PD, 41 with iRBD, and 98 healthy controls), with a professional quality microphone, a computer microphone and their own telephone. High-level features related to prosody, phonation, speech fluency and rhythm abilities were extracted. Group analyses were performed to determine the most discriminant features, as well as the impact of sex, vocal tasks, and microphone type. These speech features were used as inputs of a support vector machine and were combined with classifiers using low-level features. RESULTS: PD related impairments were found in prosody, pause durations and rhythmic abilities, from the prodromal stage. These alterations were more pronounced in men than in women. Early PD detection was achieved with a balanced accuracy of 89% in males and 70% in females. Participants with iRBD were detected with a balanced accuracy of 63% (reaching 70% in the subgroup with mild motor symptoms). CONCLUSION: This study provides new insight in the characterization of sex-dependent early PD speech impairments, and demonstrates the valuable benefit of including automated voice analysis in future diagnostic procedures of prodromal PD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle