Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
Language production has often been described as impaired in psychiatric diseases such as in psychosis. Nevertheless, little is known about the characteristics of linguistic difficulties and their relation with other cognitive domains in patients with a first episode of psychosis (FEP), either affective or non-affective. To deepen our comprehension of linguistic profile in FEP, 133 patients with FEP (95 non-affective, FEP-NA; 38 affective, FEP-A) and 133 healthy controls (HC) were assessed with a narrative discourse task. Speech samples were systematically analyzed with a well-established multilevel procedure investigating both micro- (lexicon, morphology, syntax) and macro-linguistic (discourse coherence, pragmatics) levels of linguistic processing. Executive functioning and IQ were also evaluated. Both linguistic and neuropsychological measures were secondarily implemented with a machine learning approach in order to explore their predictive accuracy in classifying participants as FEP or HC. Compared to HC, FEP patients showed language production difficulty at both micro- and macro-linguistic levels. As for the former, FEP produced shorter and simpler sentences and fewer words per minute, along with a reduced number of lexical fillers, compared to HC. At the macro-linguistic level, FEP performance was impaired in local coherence, which was paired with a higher percentage of utterances with semantic errors. Linguistic measures were not correlated with any neuropsychological variables. No significant differences emerged between FEP-NA and FEP-A (p≥0.02, after Bonferroni correction). Machine learning analysis showed an accuracy of group prediction of 76.36% using language features only, with semantic variables being the most impactful. Such a percentage was enhanced when paired with clinical and neuropsychological variables. Results confirm the presence of language production deficits already at the first episode of the illness, being such impairment not related to other cognitive domains. The high accuracy obtained by the linguistic set of features in classifying groups support the use of machine learning methods in neuroscience investigations.
Language production impairments in patients with a first episode of psychosis / Gargano, G.; Caletti, E.; Perlini, C.; Turtulici, N.; Bellani, M.; Bonivento, C.; Garzitto, M.; Siri, F. M.; Longo, C.; Bonetto, C.; Cristofalo, D.; Scocco, P.; Semrov, E.; Preti, A.; Lazzarotto, L.; Gardellin, F.; Lasalvia, A.; Ruggeri, M.; Marini, A.; Brambilla, P.; Bertani, M. E.; Bissoli, S.; De Santi, K.; Lunardi, S.; Negretto, V.; Poli, S.; Tosato, S.; Zamboni, M. G.; Ballarin, M.; De Girolamo, G.; Fioritti, A.; Neri, G.; Pileggi, F.; Rucci, P.; Chiavetto, L. B.; Scasselatti, C.; Zanardini, R.; Bertoldo, A.; Marinelli, V.; Rambaldelli, G.; Bardella, S.; Lamonaca, D.; Lunardon, M.; Magnabosco, R.; Martucci, M.; Nicolau, S.; Nifosi, F.; Pavanati, M.; Rossi, M.; Piazza, C.; Piccione, G.; Sala, A.; Sale, A.; Stefani, B.; Zotos, S.; Balbo, M.; Boggian, I.; Ceccato, E.; Dall'Agnola, R.; Girotto, B.; Goss, C.; Leoni, R.; Mai, A.; Pasqualini, A.; Roccato, S.; Rossi, A.; Strizzolo, S.; Urbani, A.; Aldi, F.; Bianchi, B.; Cappellari, P.; Conti, R.; De Battisti, L.; Lazzarin, E.; Merlin, S.; Migliorini, G.; Pozzan, T.; Sarto, L.; Visona, S.; Brazzoli, A.; Campi, A.; Carmagnani, R.; Giambelli, S.; Gianella, A.; Lunardi, L.; Madaghiele, D.; Maestrelli, P.; Paiola, L.; Posteri, E.; Viola, L.; Zamberlan, V.; Zenari, M.; Zanoni, M.; Bonadonna, G.; Bonomo, M.; Santonastaso, P.; Cremonese, C.; Veronese, A.; Anderle, P.; Angelozzi, A.; Baron, I. A. G.; Candeago, E. B. F.; Castelli, F.; Chieco, M.; Di Costanzo, E.; Derossi, M.; Doriguzzi, M.; Galvano, O.; Lattanzi, M.; Lezzi, R.; Marcato, M.; Marcolin, A.; Marini, F.; Matranga, M.; Scalabrin, D.; Zucchetto, M.; Zadro, F.; Austoni, G.; Bianco, M.; Bordino, F.; Dario, F.; De Risio, A.; Gatto, A.; Grana, S.; Favero, E.; Franceschini, A.; Friederici, S.; Marangon, V.; Pascolo, M.; Ramon, L.; Zambolin, S.; Riolo, R.; Buffon, A.; Di Bortolo, E.; Fortin, S.; Matarrese, F.; Mogni, S.; Codemo, N.; Russi, A.; Silvestro, A.; Turella, E.; Viel, P.; Dominoni, A.; Andreose, L.; Boemio, M.; Bressan, L.; Cabbia, A.; Canesso, E.; Cian, R.; Dal Piccol, C.; Pasqua, M. M. D.; Di Prisco, A.; Mantellato, L.; Luison, M.; Morgante, S.; Santi, M.; Sacillotto, M.; Scabbio, M.; Sponga, P.; Sguotto, M.; Stach, F.; Vettorato, M.; Martinello, G.; Dassie, F.; Marino, S.; Cibiniel, L.; Masetto, I.; Cabianca, O.; Valente, A.; Caberlotto, L.; Passoni, A.; Flumian, P.; Daniel, L.; Gion, M.; Stanziale, S.; Alborino, F.; Bortolozzo, V.; Bacelle, L.; Bicciato, L.; Basso, D.; Navaglia, F.; Manoni, F.; Ercolin, M.; Giubilini, F.; Imbesi, M.; Leuci, E.; Mazzi, F.; Anelli, S.; Amore, M.; Bigi, L.; Britta, W.; Anna, G. B.; Bonatti, U.; Borziani, M.; Crosato, S.; Fabris, I.; Galluccio, R.; Galeotti, M.; Gozzi, M.; Greco, V.; Guagnini, E.; Pagani, S.; Maccherozzi, S.; Malvasi, R.; Marchi, F.; Melato, E.; Mazzucchi, E.; Marzullo, F.; Pellegrini, P.; Petrolini, N.; Volta, P.; Bonara, F.; Brusamonti, E.; Croci, R.; Flamia, I.; Fontana, F.; Losi, R.; Marchioro, R.; Raffaini, L.; Ruju, L.; Saginario, A.; Tondelli, M.; Marrama, D.; Bernardelli, L.; Bonacini, F.; Florindo, A.; Merli, M.; Nappo, P.; Sola, L.; Tondelli, O.; Tonna, M.; Torre, M.; Tosatti, M.; Venturelli, G.; Zampolla, D.; Bernardi, A.; Cavalli, C.; Cigala, L.; Ciraudo, C.; Di Bari, A.; Ferri, L.; Gombi, F.; Leurini, S.; Mandatelli, E.; Maccaferri, S.; Oroboncoide, M.; Pisa, B.; Ricci, C.; Poggi, E.; Zurlini, C.; Malpeli, M.; Colla, R.; Teodori, E.; Vecchia, L.; D'Andrea, R.; Trenti, T.; Paolini, P.; Carpeggiani, P.; Ghigi, D.; Gagliostro, M.; Pratelli, M.; Antonelli, A.; Battistini, L.; Bellini, F.; Bonini, E.; Capelli, C. B. R.; Didomizio, C.; Drei, C.; Fucci, G.; Gualandi, A.; Grazia, M. R.; Losi, A. M.; Mazzoni, F. M. P.; Marangoni, D.; Monna, G.; Morselli, M.; Oggioni, A.; Oprandi, S.; Paganelli, W.; Passerini, M.; Piscitelli, M.; Reggiani, G.; Rossi, G.; Salvatori, F.; Trasforini, S.; Uslenghi, C.; Veggetti, S.; Bartolucci, G.; Baruffa, R.; Bertelli, R.; Borghi, L.; Ciavarella, P.; Paltrinieri, E.; Rizzardi, F.; Serra, P.; Suzzi, D.; Arienti, P.; Aureli, F.; Avanzi, R.; Callegari, V.; Corsino, A.; Host, P.; Michetti, R.; Rizzo, F.; Simoncelli, P.; Soldati, E.; Succi, E.; Bertozzi, M.; Canetti, E.; Cavicchioli, L.; Ceccarelli, E.; Cenni, S.; Marzola, G.; Gallina, V.; Leoni, C.; Olivieri, A.; Piccolo, E.; Ravagli, S.; Russo, R.; Tedeschini, D.; Verenini, M.; Abram, W.; Granata, V.; Curcio, A.; Guerra, G.; Granini, S.; Natali, L.; Montanari, E.; Pasi, F.; Ventura, U.; Valenti, S.; Francesca, M.; Farneti, R.; Ravagli, P.; Floris, R.; Maroncelli, O.; Volpones, G.; Casali, D.; Miceli, M.; Bencini, A.; Cellini, M.; De Biase, L.; Barbara, L.; Charles, L.; Pratesi, C.; Tanini, A.; Loparrino, R.; Ulivelli, C.; Cussoto, C.; Dei, N.; Fumanti, E.; Pantani, M.; Zeloni, G.; Bellini, R.; Cellesi, R.; Dorigo, N.; Gulli, P.; Ialeggio, L.; Pisanu, M.; Rinaldi, G.; Konze, A.; Cocchi, A.; Meneghelli, A.; Frova, M.; Monzani, E.; Zanobio, A.; Malagoli, M.; Pagani, R.; Barbera, S.; Morganti, C.; Amade, E. S.; Brambilla, V.; Montanari, A.; Caterina, G.; Lopez, C.; Marocchi, A.; Moletta, A.; Sberna, M.; Cascio, M. T.; Scarone, S.. - In: PLOS ONE. - ISSN 1932-6203. - 17:8(2022), p. e0272873.e0272873. [10.1371/journal.pone.0272873]
Language production impairments in patients with a first episode of psychosis
Language production has often been described as impaired in psychiatric diseases such as in psychosis. Nevertheless, little is known about the characteristics of linguistic difficulties and their relation with other cognitive domains in patients with a first episode of psychosis (FEP), either affective or non-affective. To deepen our comprehension of linguistic profile in FEP, 133 patients with FEP (95 non-affective, FEP-NA; 38 affective, FEP-A) and 133 healthy controls (HC) were assessed with a narrative discourse task. Speech samples were systematically analyzed with a well-established multilevel procedure investigating both micro- (lexicon, morphology, syntax) and macro-linguistic (discourse coherence, pragmatics) levels of linguistic processing. Executive functioning and IQ were also evaluated. Both linguistic and neuropsychological measures were secondarily implemented with a machine learning approach in order to explore their predictive accuracy in classifying participants as FEP or HC. Compared to HC, FEP patients showed language production difficulty at both micro- and macro-linguistic levels. As for the former, FEP produced shorter and simpler sentences and fewer words per minute, along with a reduced number of lexical fillers, compared to HC. At the macro-linguistic level, FEP performance was impaired in local coherence, which was paired with a higher percentage of utterances with semantic errors. Linguistic measures were not correlated with any neuropsychological variables. No significant differences emerged between FEP-NA and FEP-A (p≥0.02, after Bonferroni correction). Machine learning analysis showed an accuracy of group prediction of 76.36% using language features only, with semantic variables being the most impactful. Such a percentage was enhanced when paired with clinical and neuropsychological variables. Results confirm the presence of language production deficits already at the first episode of the illness, being such impairment not related to other cognitive domains. The high accuracy obtained by the linguistic set of features in classifying groups support the use of machine learning methods in neuroscience investigations.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11381/2934777
Citazioni
ND
2
2
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.