Measuring verb argument structure in nonfluent primary progressive aphasia: a one-year case study
Notice bibliographique
Résumé
Primary progressive aphasia (PPA) is a neurodegenerative disorder characterized by progressive language decline, with nonfluent variant PPA (nfvPPA) typically affecting speech production and syntactic processing. Verb usage is particularly vulnerable, given its role in sentence construction and grammatical encoding. To examine longitudinal changes in verb production and argument structure in a patient with nfvPPA, using narrative discourse analysis and performance in a specific task, over a one-year interval. This case study forms part of a broader investigation involving neurological and language assessments in PPA. Narrative samples were elicited using the PICNIC scene from the Montreal-Toulouse Language Assessment Battery (MLT), and syntactic abilities were evaluated through the Argument Structure subtest of the Northwestern Assessment of Verbs and Sentences (NAVS). Data from 2023 and 2024 were compared. There was a 71.4% reduction in total verb usage in the narrative task, with intransitive verbs decreasing by 100% and transitive verbs by 60%. Greater hesitation and simplification of syntactic structures were observed, including substitution of complex verbs (e.g., "tentar") with simpler gerund forms. NAVS results showed reduced accuracy in producing sentences with two or three obligatory arguments, declining by 40% and 100%, respectively. Findings reflect progressive syntactic degradation in nfvPPA. Verb argument structure analysis proved sensitive to subtle grammatical deficits, revealing impairments not captured by traditional tasks. This aligns with literature linking dorsal language tract degeneration to syntactic breakdown. Argument structure analysis is a valuable tool for assessing and monitoring syntactic decline in nfvPPA, with clinical implications for diagnosis and intervention.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».