The TIE-93: a Facial Emotion Recognition Test Adapted for Culturally, Linguistically, and Educationally Diverse Alzheimer’s Dementia Patients in France
Notice bibliographique
Résumé
OBJECTIVE: Emotion recognition tests are essential for differential diagnostics when assessing patients with Alzheimer's disease (AD) dementia. However, there remains a lack of emotion recognition tests appropriate for culturally and educationally diverse populations. The aim of this study was to develop an emotion recognition test (the TIE-93) appropriate for these populations. We then examined whether the TIE-93 could reduce emotion recognition performance differences between populations with a native French versus a culturally and educationally diverse background (participants who had immigrated to France). This was assessed by comparing performance between controls of each cultural group. We also assessed the effect of demographic variables on TIE-93 test performance and whether performance in an AD patient group was consistent with the research literature. METHODS: Fifty-seven patients with AD dementia and 240 healthy controls, from native French and culturally and educationally diverse backgrounds, were included in the study. The TIE-93 is composed of eight panels with photos of actors displaying six basic emotions. Participants were asked to identify which of the six facial expressions displayed matched an oral description of a context. RESULTS: When comparing French and culturally and educationally diverse controls, Quade's ANCOVA revealed that there remained an effect of culture and education on TIE-93 test performance. Nonetheless, while controlling for years of education, age, sex, and cultural group, patients with AD dementia scored significantly more poorly than controls, specifically for most negative emotions. CONCLUSION: The TIE-93 represents a first step toward developing appropriate emotion recognition tests for culturally and educationally diverse populations.
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».