Introduction The depiction of features in discourse production promotes accurate diagnosis and helps to establish the therapeutic intervention in cognitive impairment and dementia. We aimed to identify alterations in the macrolinguistic aspects of discourse using a new computational tool. Methods Sixty individuals, aged 60 years and older, were distributed in three different groups: mild Alzheimer's disease (mAD), amnestic mild cognitive impairment, and healthy controls. A narrative created by individuals was analyzed through the Coh-Metrix-Dementia program, extracting the features of interest automatically. Results mAD showed worse overall performance compared to the other groups: less informative discourse, greater impairment in global coherence, greater modalization, and inferior narrative structure. It was not possible to discriminate between amnestic mild cognitive impairment and healthy controls. Discussion Our results are in line with the literature, verifying a pathological change in the macrostructure of discourse in mAD.

No abstract

Discourse production is an important aspect in the evaluation of brain-injured individuals. We believe that studies comparing the performance of brain-injured subjects with that of healthy controls must use groups with compatible education. A pioneering application of machine learning methods using Brazilian Portuguese for clinical purposes is described, highlighting education as an important variable in the Brazilian scenario.ObjectiveThe aims were to describe how to:(i) develop machine learning classifiers using features generated by natural language processing tools to distinguish descriptions produced by healthy individuals into classes based on their years of education; and(ii) automatically identify the features that best distinguish the groups.MethodsThe approach proposed here extracts linguistic features automatically from the written descriptions with the aid of two Natural Language Processing tools: Coh-Metrix-Port and AIC. It also includes nine task-specific features (three new ones, two extracted manually, besides description time; type of scene described – simple or complex; presentation order – which type of picture was described first; and age). In this study, the descriptions by 144 of the subjects studied in Toledo18 were used,which included 200 healthy Brazilians of both genders.Results and ConclusionA Support Vector Machine (SVM) with a radial basis function (RBF) kernel is the most recommended approach for the binary classification of our data, classifying three of the four initial classes. CfsSubsetEval (CFS) is a strong candidate to replace manual feature selection methods.

AgradecimentosÀ minha orientadora, Profa. Dra. Letícia Lessa Mansur, pelo carinho, confiança, atenção e ensinamentos ao longo desses anos. Você sempre será um exemplo de sabedoria e força! Muito obrigada pela caminhada ao seu lado. Meu carinho e admiração por você.Ao André, que me ensina todos os dias que o amor pode ser sempre maior. Obrigada por dividir a vida comigo, obrigada pela paciência, por me incentivar e apoiar em todas as fases. Sem você eu não conseguiria! Ao meu irmão Lipe, pelo amor, incentivo e parceria eterna. Obrigada por estar sempre ao meu lado! Aos meus avôs Amélia, Maria de Lourdes, Mucio e Tokuzen. Tenho certeza que onde estão torcem por mim. Saudade é o amor que fica. À minha família: tios, tias, primos e primas, pelo apoio e preocupação. O carinho de vocês foi essencial para a conclusão deste trabalho.À amiga e sócia Luisa Spezzano e ao pequeno João Pedro, obrigada por ser meu "marido profissional", pelo incentivo diário. Obrigada por me ensinar todos os dias a ser uma profissional e pessoa melhor! Ás amigas Clissa, Renata, Patrícia, Gabriela, Natália, Tatiane, Lívia, Alexandra, Maysa, Isabella pela presença mesmo estando tão longe fisicamente. Vocês são a família que eu pude escolher e os melhores presentes que UNESP poderia me dar. Obrigada por tornar a vida mais leve e feliz. À Prof. Dra. Sandra M. Aluísio, pela ajuda essencial para a realização deste trabalho. Obrigada por estar sempre disponível e ter grandes dicas e sugestões. Aprendi muito com você. Muito carinho e alegria por essa parceria. À Dra. Sonia Brucki, pelo encaminhamento e revisão dos diagnósticos dos pacientes, pela disponibilidade em auxiliar essa pesquisa.Aos colegas André Cunha e Leandro Borges, pela prontidão em colaborar com esse trabalho, por me auxiliarem durante todo o processo. Obrigada por estarem sempre por perto. À Dra. Sandra Merlo pela atenção e colaboração para análise de dados desta pesquisa.Às Professoras Suelly Limongi, Nair Katia Nemr e Sandra M. Aluísio pelas importantes sugestões que auxiliaram no desenvolvimento e finalização deste trabalho.Às amigas Fabrícia Biudes, Luciana Dall´Agnol, Bruna Geraldini, Regiane Fasanella, Larissa Zanichelli, Carla Chaumouton, Karina Pereira, Fernanda Marchezini, Gabriela Silveira, Rebeca Chappaz por sempre terem as melhores palavras de incentivo, obrigada pela companhia nas madrugadas e pelo apoio durante a realização deste estudo. Meu carinho e admiração pelas amigas e profissionais que vocês são.Ás amigas Claudia, Raissa, Carol e Su pelo carinho, pelas palavras de apoio e pela importância da amizade de vocês.À equipe KI Fonoaudiologia pelas palavras de coragem e incentivo tão importantes para mim.À equipe do Hospital de Transplantes Euryclides de Jesus Zerbini, em especial à Dra. Solange Aoki e ao Dr. José Roberto por entenderem minhas necessidades e me incentivarem durante todos esses anos. Muito obrigada! Às crianças da minha vida: Alice, Ana Julia, Lorenzo, Maria Clara, Manu, Ciça, Lipe, Ana Liz, Isabel, Gabriel e ao pequeno Henrique por mostrarem sempre o lad...

No abstract