MétaCan
Menu
Retour à la cohorte
Enregistrement W4409248088 · doi:10.1162/nol_a_00168

Structural Development of Speech Networks in Young Children: A Cross-Sectional Study

2025· article· en· W4409248088 sur OpenAlexaff
Marilyn Curtis, Mohammadreza Bayat, Dea Garic, Alliete R. Alfano, Melissa L. Hernandez, Madeline Curzon, Andrea Bejarano, Pascale Tremblay, Shannon M. Pruden, Paulo A. Graziano, Anthony Steven Dick

Notice bibliographique

RevueNeurobiology of Language · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversité Laval
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of Mental Health
Mots-clésCross-sectional studyPsychologyAudiologyDevelopmental psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract To investigate speech in the developing brain, 94 children aged 4 to 7 years old were scanned using diffusion weighted imaging (DWI) magnetic resonance imaging. To increase sample size and performance variability, we included children with ADHD from a larger ongoing study (n = 47). Each child completed the Syllable Repetition Task (SRT), a validated measure of phoneme articulation. DWI data were modeled using restriction spectrum imaging to measure restricted and hindered diffusion properties in gray and white matter. We analyzed the diffusion data using whole brain analysis and automated fiber quantification (AFQ) analysis to establish tract profiles for the six fiber pathways thought to be important for supporting speech development. In the whole brain analysis, we found that SRT performance was associated with restricted diffusion in left and right inferior frontal gyrus, left and right pars opercularis, right pre-supplementary and supplementary motor area, and left and right cerebellar gray matter (p < 0.005). Age moderated these associations in left pars opercularis and the frontal aslant tract (FAT), but only the cerebellar findings survived a cluster correction. Analyses using AFQ highlighted differences in high and low performing children along specific tract profiles, most notably in left but not right FAT, in left and right superior longitudinal fasciculus III, and in the cerebellar peduncles. These findings suggest that individual differences in speech performance are reflected in structural gray and white matter differences as measured by restricted and hindered diffusion metrics, and offer important insights into developing brain networks supporting speech in very young children.

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)0,002
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 enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,011
Tête enseignante GPT0,317
Écart entre enseignants0,307 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurobiology of LanguageMême sujetLanguage Development and DisordersTravaux en français237 207