Pause characteristics of sentence production in Parkinson's disease: insights from sentence complexity and length
Notice bibliographique
Résumé
PURPOSE: Parkinson's disease (PD) affects forward flow of speech including fluency disruptions in 90% of individuals. One of the main parameters affecting flow and fluency of speech is pause behaviour. However, the precise language characteristics of pauses, including sentence complexity and length, and how they contribute to the fluency disruptions of PD are not fully understood. This study examined how sentence complexity and length affect pause behaviour in PD. METHOD: Seventy-one participants, comprising individuals with PD (n = 32) and neurotypical controls (n = 39), read a speech passage aloud. The number and duration of pauses, categorised by location (between, within sentences), sentence complexity (simple, complex), and sentence length (short, long) were analysed. Cognitive ability, assessed using the Montreal Cognitive Assessment (MoCA), and motor speech deficits (i.e., dysarthria) severity, assessed using a speech perceptual ranking, were evaluated and correlated with pause characteristics. RESULTS: Individuals with PD produced significantly more pauses across all categories compared to controls. However, only between-sentence and long-sentence pauses were significantly longer in duration. Pause frequency and duration in both groups were higher in more complex and longer sentences. Significant negative correlations were found between MoCA scores and number of pauses. Significant positive correlations were observed between dysarthria severity and duration of pauses. CONCLUSION: These findings suggest that increased cognitive-linguistic demands-indexed by sentence complexity and length-may underlie pausing behaviour and contribute to fluency disruptions in individuals with PD. The results extend previous research by highlighting the potential cognitive-linguistic basis of motor speech dysfunction in 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».