Item-Level Scores on the Boston Naming Test as an Independent Predictor of Perirhinal Volume in Individuals with Mild Cognitive Impairment
Notice bibliographique
Résumé
We explored the methodological value of an item-level scoring procedure applied to the Boston Naming Test (BNT), and the extent to which this scoring approach predicts grey matter (GM) variability in regions that sustain semantic memory. Twenty-seven BNT items administered as part of the Alzheimer’s Disease Neuroimaging Initiative were scored according to their “sensorimotor interaction” (SMI) value. Quantitative scores (i.e., the count of correctly named items) and qualitative scores (i.e., the average of SMI scores for correctly named items) were used as independent predictors of neuroanatomical GM maps in two sub-cohorts of 197 healthy adults and 350 mild cognitive impairment (MCI) participants. Quantitative scores predicted clusters of temporal and mediotemporal GM in both sub-cohorts. After accounting for quantitative scores, the qualitative scores predicted mediotemporal GM clusters in the MCI sub-cohort; clusters extended to the anterior parahippocampal gyrus and encompassed the perirhinal cortex. This was confirmed by a significant yet modest association between qualitative scores and region-of-interest-informed perirhinal volumes extracted post hoc. Item-level scoring of BNT performance provides complementary information to standard quantitative scores. The concurrent use of quantitative and qualitative scores may help profile lexical–semantic access more precisely, and might help detect changes in semantic memory that are typical of early-stage Alzheimer’s disease.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».