A Pilot Study Comparing Speech Characteristics in People With Parkinson’s Disease and Controls Dancing Weekly Over 5-Years
Notice bibliographique
Résumé
INTRODUCTION: Parkinson's Disease (PD) is a neurodegenerative disorder that affects motor and non-motor functions. Speech impairments, such as reduced variability in pitch (F0SD) and intensity (IntSD), are commonly observed. Early identification of these changes through voice biomarkers offers a noninvasive approach for detecting PD, tracking disease progression, and investigating the effects of interventions on this population. This study investigates the impact of dance on people with PD voice features over a five-year period and explores whether dance interventions can mitigate these impairments. METHODS: A longitudinal dance program involved 29 individuals with PD and 29 healthy controls. Voice recordings were collected before and after dance sessions over 5 years (2014-2019) and analyzed using machine learning models to extract F0SD and IntSD. Statistical analyses, including ANOVA and mixed-effect models, were performed using R studio to evaluate group differences, longitudinal changes, and the effects of dance on voice parameters. RESULTS: The analysis revealed a significant main effect of time on F0SD, indicating measurable changes over the study period. However, the interaction between group and time was not statistically significant, suggesting similar trends in both groups. While the PD group did not exhibit the expected decline in F0SD seen in previous studies, IntSD remained largely unchanged, suggesting it may be less responsive to intervention. CONCLUSION: These findings demonstrate the potential of F0SD and IntSD as biomarkers for tracking PD progression. Dance interventions provide measurable benefits for F0SD, though further research is needed to determine optimal intervention duration and explore additional speech features such as jitter, shimmer, HNR, and CPP. Early and targeted interventions, such as combining dance with speech therapy, may enhance communication abilities and improve the quality of life for individuals with PD.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».