Language laterality and cognitive skills: does anatomy matter?
Notice bibliographique
Résumé
Brain anatomy, particularly white matter microstructure, is thought to play a critical role in the relationships between cognitive function and language lateralisation. This study investigates whether white matter microstructural parameters of the arcuate fasciculus and corpus callosum is associated with cognitive performance across distinct language lateralisation groups. Neuroimaging and cognitive data from 279 healthy adults were sourced from the BIL&GIN database. Participants completed a sentence production functional magnetic resonance imaging (fMRI) task, diffusion MRI, and cognitive tasks assessing verbal, visuospatial, and arithmetic skills. Significant positive associations were observed in strongly atypical individuals between fractional anisotropy in the splenium and working memory (R2 = 0.96, pFDR = 0.042) and between fractional anisotropy (FA) in the genu and visuospatial attention (R2 = 0.92, pFDR = 0.042). ANCOVA revealed that cross-dominant individuals had significantly lower visuospatial attention scores compared to consistently lateralized individuals (pFDR = 0.02). These findings challenge the notion that atypical lateralisation is inherently maladaptive and suggest that white matter pathways may serve as an alternative mechanism for supporting cognitive function in individuals with rightward language dominance. Furthermore, the results highlight the cognitive disadvantages of crossed dominance, implicating disrupted interhemispheric communication as a potential underlying mechanism.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».