Deficits in facial emotion recognition and cognitive function among baby boomers
Notice bibliographique
Résumé
Facial emotion recognition (FER), a key component of social cognition, plays a critical role in social interactions. In the aging process, FER among older adults holds significant potential as a tool for diagnosing cognitive function or enhancing interpersonal relationships. However, research in this area remains limited. This study aims to address this gap by examining the impact of cognitive function on FER among Korean baby boomers aged 60 to 69. Eighty-one participants completed the Korean version of the Montreal Cognitive Assessment (K-MOCA) and FER tasks. Of the participants, 69 % had normal cognition, while 31 % had mild cognitive impairment. Participants with normal cognition were 1.59 times more likely to recognize facial expressions correctly than those with impaired cognition (AOR = 1.59, p < 0.0001). They showed significantly higher odds of recognizing happy (AOR = 9.68), anger (AOR = 2.25), disgust (AOR = 1.95), neutral (AOR = 3.02), and surprise (AOR = 2.27) expressions (p < 0.001). Participants with normal cognition participants also scored higher on overall intensity for every emotion except sadness (p < 0.001). Among the seven domains of the MoCA, three sub-domains-visuospatial/executive function, language, and orientation-showed significant associations with overall FER. These results highlight the diagnostic potential of FER tasks in identifying cognitive disorders and enhancing social skills in clinical and practical settings.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».