Linguistic clusters in scoring semantic verbal fluency task in patients with pre‐dementia cognitive decline
Notice bibliographique
Résumé
Abstract Background Previous works have shown that qualitative language characteristics of verbal fluency task may be useful in differentiating between different neurodegenerative states, such as: variants of frontotemporal dementia or primary progressive aphasia. There is only limited data on how qualitative parameters of verbal fluency are associated with pre‐dementia states, such as subjective cognitive decline (SCD) and mild cognitive impairment (MCI). Method Semantic verbal fluency (SVF) task was given to 40 patients with SCD (median age 72 years, 39 females) and 51 MCI patients (median age 73 years, 43 females). Montreal cognitive assessment (MoCA) scores were obtained for all 91 patients. Phonemic and semantic linguistic clusters were derived from patient's SVF response using computerized approach. Qualitative language characheristics of linguistic clusters were calculated: number of switches between clusters, number of clusters, mean cluster size, first cluster size. Statistical analysis was performed and linear models with mixed effects were generated with MoCA and diagnosis as dependant variables and (i) routine SVF task score only (base model) vs. (ii) qualitative language characheristics and SVF task score (full model). Both models included age, sex and education level as covariates. Result Patients with SCD and MCI had significant differences in SVF total score (14 [10; 16] vs. 10 [7; 12], p <0.001, ES=0.81 (0.45, 1.2)) as well as several cluster characteristics: phonemic number of switches (12 vs 9, p = 0.001), phonemic mean cluster size (2 vs 0, p = 0.006), semantic mean cluster size (4.8 vs 3.5, p = 0.007) and semantic first cluster size (5.0 vs 3.0, p = 0.003). ANOVA test demonstrated better prediction of MoCA score (AIC 812.76, BIC 847.88, χ 2 = 0.035) and diagnosis (AIC 178.81, BIC 210.74, χ 2 = 0.016) in the full model compared to the base model. Conclusion Using novel qualitative language characheristics in verbal fluency task assessment might be a promising tool to improve diagnostic algorithm using computerized approach and better understand underlying language difficulties in pre‐dementia states.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».