Cross-country variance in facial emotion recognition in presymptomatic and symptomatic behavioral variant frontotemporal dementia: Insights from the GENFI and ReDLat consortia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION We investigated international differences in facial emotion recognition (FER) across stages of frontotemporal dementia (FTD). Previous studies may have missed early decline by combining data and masking variations in FER across countries. METHODS An FER test was administered to 159 individuals with behavioral variant FTD, 521 presymptomatic pathogenic variant carriers, and 583 controls from 16 countries of residence. Linear mixed models assessed age, sex, education, and country effects on FER. Voxel-based morphometry examined neural correlates across countries. REULTS Country accounted for 18%–18.3% of FER variance in presymptomatic carriers and controls and 9.9% in individuals with behavioral variant of FTD (bvFTD). Cross-country differences interacted with the effects of sex, age, and education. Neural correlates involving the frontal lobe and basal ganglia were identified in individuals with bvFTD, but no cross-country differences were found. DISCUSSION These results underscore the need for culturally sensitive FER tools in research and clinical practice, especially as global multinational clinical trials emerge. Highlights Performance on a test for facial emotion recognition (FER) varies between countries. The percentage of variance is lower in the behavioral variant of frontotemporal dementia (bvFTD) compared to presymptomatic pathogenic variant carriers and healthy controls. Cross-country differences interacted with the effects of sex, age, and education. There were no differences in brain correlates of FER across countries.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découle