MétaCan
Menu
Retour à la cohorte
Enregistrement W4390078111 · doi:10.1017/s1355617723003405

21 Assessment of Semantic Memory Decline in aMCI : Naming and Semantic Knowledge of Unique and Non-Unique Entities

2023· article· en· W4390078111 sur OpenAlexaff
Frédérique Roy-Côté, Sven Joubert, Jessica Cole, Marie‐Joëlle Chasles, Emilie Delage, Maxime Montembeault, Isabelle Rouleau

Notice bibliographique

RevueJournal of the International Neuropsychological Society · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiverse Approaches in Healthcare and Education Studies
Établissements canadiensCentre Hospitalier de l’Université de MontréalMcGill UniversityDouglas Mental Health University InstituteUniversité de MontréalInstitut Universitaire de Gériatrie de MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésSemantic memoryPsychologyBoston Naming TestTest (biology)CognitionCognitive psychologyEpisodic memoryAudiologyDevelopmental psychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Objective: Semantic memory deficits have been reported in both Alzheimer's disease (AD) and amnestic mild cognitive impairment (aMCI). However, the nature of this decline is still a matter of debate. The aim of this study was to explore the patterns of semantic memory impairment in aMCI by examining performance on naming tasks, and on tests assessing both general and specific semantic knowledge. Participants and Methods: Participants were divided in two groups matched for age and education, one comprising 33 aMCI individuals and the other 39 healthy controls. Three experimental tests assessing naming and semantic knowledge of unique items of famous persons (FACE) and places (PLACE), logos recognition (LOGO: brands and pictograms), and non-unique entities (Boston Naming Test: BNT) were administered, and the performance of the two groups was compared. Results: Lower scores were observed on all naming tests (PLACE, FACE, LOGO and BNT) in the aMCI group compared to controls. On the PLACE test, the general knowledge mean score (M=84.5, SD=12.9) was significantly higher than the specific knowledge mean score (M=54.2, SD=18.5) in aMCI participants (t(31)=11.9, p<.001), but not in controls (general: M=92.2, SD=11.1; specific: M=73.7, SD=15.8), and there was a significant Group X Type of knowledge interaction (F(1,1)=15.13, p <.001, n2 = 18). On the FACE test, in addition to significant group and condition (naming, semantic questions) main effects, a significant interaction was found (F(1,1)=7.19, p = .009, n2 = .09). On the LOGO task, controls were significantly better on brand items (M= 94.4, SD=10.5) than on pictograms (M=83.3, SD=12.2), while no significant difference was noted in aMCI (brands: M=81.5, SD=22.6; pictograms: M=77.5, SD=14.1). Lastly, on the BNT, aMCI participants benefited more from phonemic cues than controls (F(1,1)=16.56, p<.001, n2=19), suggesting a lexical access deficit, in addition to their semantic memory impairment. Conclusions: This study adds to the growing evidence confirming the presence of semantic memory deficits in aMCI. Specific semantic knowledge seems to be more affected than general semantic knowledge, a finding reported in previous studies. Lexical access deficits, in addition to semantic decline, were also observed in the aMCI group. These results allow for a better understanding of the pattern of semantic memory deficits in the prodromal stage of AD and could potentially facilitate diagnosis of aMCI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,399
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the International Neuropsychological SocietyMême sujetDiverse Approaches in Healthcare and Education StudiesTravaux en français237 207