Emotionserkennung und Alexithymie bei Morbus Parkinson
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Hintergrund: Basisemotionen werden über die Mimik ausgedrückt und sind ein wichtiger Kommunikator zur Außenwelt. Patienten mit Parkinson verlieren diese Fähigkeit aufgrund des häufig auftretenden so genannten Maskengesichts. Ziel: Das Ziel dieser Arbeit war es, Unterschiede hinsichtlich der Emotionserkennung und -wahrnehmung zwischen Patienten mit Parkinson und gesunden Menschen zu identifizieren. Methode: 34 medikamentös eingestellte Patienten mit Parkinson wurden anhand des Facially Expressed Emotion Labeling Tests (FEEL) auf ihre Emotionserkennung anderer Personen und anhand der Toronto-Alexithymie-Skala-26 (TAS) auf ihre Wahrnehmung der eigenen Emotionen untersucht. Die Ergebnisse wurden mit den Daten aus bereits vorliegenden Studien verglichen. Ergebnisse: Patienten mit Parkinson hatten signifikante Probleme beim Erkennen von Emotionen in der Mimik im Vergleich zu Gesunden (p ≤ 0,001). Zusätzlich brauchten sie signifikant länger, die Ausdrücke den korrekten Emotionen zuzuordnen (p ≤ 0,001). Dabei korrelierte das Endergebnis des FEEL-Tests sehr stark mit der Reaktionszeit (p ≤ 0,001; r = –0,665). Auch die Wahrnehmung der eigenen Emotionen (TAS-26) war bei ihnen stark eingeschränkt (p ≤ 0,001). Der Zusammenhang zwischen den Ergebnissen des FEEL-Tests und der TAS-26 war gering (p = 0,020; r = –0,404). Schlussfolgerung: Patienten mit Parkinson zeigten Beeinträchtigungen, Gesichtsausdrücke zu erkennen und sie den passenden Emotionen zuzuordnen. Merkmale einer Alexithymie konnten aber nicht festgestellt werden. Patienten mit einer guten Emotionserkennung scheinen geringere Schwierigkeiten zu haben, ihre eigenen Gefühle wahrzunehmen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it