Is impairment of facial emotion recognition independent of cognitive dysfunction in multiple sclerosis?
Notice bibliographique
Résumé
BACKGROUND: Emotions expressed on the face play a key role in social cognition and communication by providing inner emotional experiences. This study aimed to evaluate facial emotion identification and discrimination and empathy abilities in patients with MS and whether it is related to cognitive dysfunction. METHODS: One hundred twenty patients with relapsing-remitting MS and age- and sex-matched 120 healthy controls were enrolled in the study. All the subjects were evaluated with the Facial Emotion Identification Test (FEIT), Facial Emotion Discrimination Test (FEIDT), and Empathy Quotient (EQ). We used the Beck Depression Inventory (BDI) for depression and detailed cognitive tests, including the Montreal Cognitive Assessment (MoCA), the Symbol Digit Modalities Test (SDMT), and the Paced Auditory Serial Addition Test (PASAT). The quality of life was assessed with Multiple Sclerosis Quality of Life-54 (MSQL-54). RESULTS: Patients with MS were 37.6 ± 9.5 years old, had a mean disease duration of 8.8 ± 6.6 (8-28) years, and a mean EDSS score of 1.6 ± 1.3 (0-4.5). We found significant differences in the identification of facial emotions, discrimination of facial emotions, and empathy in MS patients compared to controls (p < 0.05). Especially the recognition of feelings of sadness, fear, and shame was significantly lower in MS patients. The multivariate logistic regression analysis showed low SDMT and FEIDT scores which showed an independent association with MS. CONCLUSIONS: Our findings indicate that facial emotion recognition and identification deficits are remarkable among patients with MS and emotion recognition is impaired together with and independently of cognitive dysfunction in MS patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».