Quantitative and Qualitative Differences of Action Verbal Fluency between Young and Older Adults
Notice bibliographique
Résumé
INTRODUCTION: Action verbal fluency (AVF) task, a word fluency test, involves language and executive function and is known to be sensitive to fronto-striatal degeneration. However, the ability may also decrease qualitatively as well as quantitatively in normal aging. The objective of this study is to investigate the age-related quantitative and qualitative differences in AVF of Korean adults. METHODS: We analyzed data from 78 participants of 40 young (mean age = 28.9) and 38 older adults (mean age = 67.7). The correct responses in the AVF task were measured for quantitative analysis. Qualitatively, the mean number of arguments required by each verb was calculated for syntactic analysis. For semantic analysis, we subclassified verbs according to their characteristics (e.g., moment vs. non-moment verbs/active vs. non-active verbs) and calculated the ratio for comparison. The results of AVF were also compared to those of semantic/phonemic fluency and the Korean version of the Montreal Cognitive Assessment (MoCA-K). RESULTS: The older group showed quantitatively lower performance in AVF than the young group (p < 0.01). The result of the AVF task significantly correlated (p < 0.01) with both semantic/phonemic fluency and the MoCA-K. Also, the older group produced syntactically more simple verbs than the counterpart (p < 0.01). In the semantic analysis, the older group produced fewer moment verbs (p < 0.05) but more non-moment verbs (p < 0.05) than the young group. There was no difference in active or non-active verbs between two groups. CONCLUSION: These results indicated that the ability of AVF declines with age not only quantitatively but also qualitatively in relation to their cognitive changes.
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.
Comment cette classification a été obtenuedéplier
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».