Automatic Assessment of Connected Speech and Its Relation to Memory in Alzheimer’s Disease in Low Education
Notice bibliographique
Résumé
INTRODUCTION: Discourse is one of the main linguistic aspects affected by Alzheimer's disease (AD), and its relationship with memory needs to be further studied, mainly in low education and low socioeconomic status groups. The present study aimed to investigate differences in the recall of short narratives between participants with mild AD and a control group (CG) of typical older adults (CG) with the use of automatic assessment. METHODS: Seventeen older adults diagnosed with AD (mean age 76.41, mean education 5.82) and 34 typical older adults (mean age 74.26, mean education 7.09) were asked to listen to and then retell a short story. Syntactic, lexical, and semantic features were assessed via the NILC-Metrix software, and the features were correlated with episodic, working, and semantic memory assessment. RESULTS: Differences were found in 7 of the 34 features assessed. Syntactically, the group diagnosed with AD produced narratives with fewer sentences, fewer words per sentence, and lower Yngve depth scores. Lexically, the AD group produced narratives with fewer words and prepositions per sentence. Semantically, the narratives produced by the AD group featured words with a lower mean age of acquisition and lower Brunét's index scores. For the CG, episodic memory performance correlated with the ratio of conjunctions. No other significant correlation was found for semantic and working memory in the CG. No correlation was found between memory performance and linguistic features for the AD group. DISCUSSION: The automatic assessment of linguistic features showed impaired narrative recall in participants diagnosed with AD relative to healthy controls at the syntactic, lexical, and semantic levels of discourse. These findings corroborate previous literature showing a decline in discourse production performance resulting from cognitive impairment in AD. CONCLUSION: The assessment of linguistic performance through a narrative recall task provides valuable insights into cognitive decline related to AD.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».