How is semantic memory affected in Mild Cognitive Impairment?
Notice bibliographique
Résumé
Abstract Background Mild cognitive impairment (MCI) is a condition considered by many as a transitional stage between healthy aging and Alzheimer’s disease. Although its diagnosis is typically based on the assessment of episodic memory, evidences show that impairment in semantic memory would be one of the first manifestations of cognitive impairment. This study aims to investigate how semantic memory is affected in MCI. Precisely, we will explore if core memory of common knowledge is impaired in MCI, and if the performance in semantic memory task vary with the modality of presentation of the stimuli (verbal vs visual). Method A group of healthy people aged between 60 and 90 years old (mean: 77.4 N = 43), and a age‐matched group meeting the criteria for MCI (N = 32), who have lived in Quebec (Canada) for at least 30 years, completed two neuropsychological tests evaluating the semantic memory of famous people, which have been proven to be the most sensible way to detect even subtle variation in semantic memory. Result Results indicate that performance in both tests is impaired in the MCI group, compared to the healthy elderly group. This means that the MCI group have more difficulty to name famous people (t (69) = 5,173, p < 0.01), as well as answer basic questions on them (ex: their profession, nationality, etc.), when presented from their picture (t (69) = 4.849, p < 0.01) or their name (t (65) = 3.488, p < 0.01), compared to healthy people of the same age. There was no difference between their performances when the stimuli was presented in the visual or verbal modality (t (30) = 0.928, p > 0.05). Conclusion This study demonstrates that semantic memory of famous people is impaired in MCI, and that impairment affects the capacity to name famous people as well as remembering facts about them. In addition, there are no difference if the stimuli are presented visually or verbally. This suggests that the impairment in semantic memory in MCI is due to a degradation of the memory, and is not modulated by other cognitive functions or modality.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».