Disentangling Reversal-learning Impairments in Frontotemporal Dementia and Alzheimer Disease
Notice bibliographique
Résumé
BACKGROUND: Individuals with frontotemporal dementia (FTD) often present with poor decision-making, which can affect both their financial and social situations. Delineation of the specific cognitive impairments giving rise to impaired decision-making in individuals with FTD may inform treatment strategies, as different neurotransmitter systems have been associated with distinct patterns of altered decision-making. OBJECTIVE: To use a reversal-learning paradigm to identify the specific cognitive components of reversal learning that are most impaired in individuals with FTD and those with Alzheimer disease (AD) in order to inform future approaches to treatment for symptoms related to poor decision-making and behavioral inflexibility. METHOD: We gave 30 individuals with either the behavioral variant of FTD or AD and 18 healthy controls a stimulus-discrimination reversal-learning task to complete. We then compared performance in each phase between the groups. RESULTS: The FTD group demonstrated impairments in initial stimulus-association learning, though to a lesser degree than the AD group. The FTD group also performed poorly in classic reversal learning, with the greatest impairments being observed in individuals with frontal-predominant atrophy during trials requiring inhibition of a previously advantageous response. CONCLUSION: Taken together, these results and the reversal-learning paradigm used in this study may inform the development and screening of behavioral, neurostimulatory, or pharmacologic interventions aiming to address behavioral symptoms related to stimulus-reinforcement learning and response inhibition impairments in individuals with FTD.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».