Spoken Language Dual-Task Effects in Typical Aging: A Systematic Review
Notice bibliographique
Résumé
PURPOSE: Many studies have shown that several spoken language production skills are negatively affected by the typical aging process. In contrast, how language is affected when older adults are asked to speak under conditions of distraction using dual- or multitask paradigms has received less empirical attention, even though such conditions align with the demands of everyday communication contexts. Accordingly, the objectives in this original systematic review were to synthesize and appraise literature on spoken language production in neurotypical older adults when they talk under conditions of distraction. To our knowledge, this is the first systematic review that focuses on this topic. METHOD: Five databases (EMBASE, LLBA, Medline, PsycINFO, Web of Science Core Collection) were searched (from databases' inception to January 2024) for eligible studies using comprehensive search terms. All steps from screening of records, selection of studies, data extraction, and critical appraisal were carried out by two reviewers who worked independently. RESULTS: Thirteen studies culminated in the qualitative evidence synthesis. Critical appraisal was carried out and showed that the current evidence base is overall weak. CONCLUSIONS: The findings were mixed as to whether dual-task costs (i.e., worse performance in single-task, talking only) are evident in aging. However, speech fluency in discourse appears to be more vulnerable under conditions of distraction in older than younger adults. Across all included studies, significant methodological shortcomings were present. Whereas this literature points to some age-related changes when speaking in more challenging, dual-task contexts, further research is clearly needed on topics such as the types of dual-task contexts that reveal age-related language changes, the role of instructions on task prioritization, and the role of influential participant variables (e.g., cardiovascular risk factors) on dual-task language performance in older adults. SUPPLEMENTAL MATERIAL: https://doi.org/10.23641/asha.29525795.
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 | 0,009 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».