Esta página se ha traducido automáticamente del turco. Leer el original

Esta página es un resumen en turco, elaborado con ayuda de inteligencia artificial, del trabajo presentado en el 26.º Congreso Mundial de Psiquiatría. El trabajo pertenece a los autores que lo presentan; para citarlo, consulte la fuente original.

EV1236

Complejidad oracional y organización del discurso en el habla de pacientes con esquizofrenia en croata

CLAUSAL COMPLEXITY AND DISCOURSE ORGANIZATION IN THE SPEECH OF PATIENTS WITH SCHIZOPHRENIA IN CROATIAN

Aunque la complejidad sintáctica se mantiene preservada, las autocorrecciones léxicas, las repeticiones y los fragmentos sin predicado permiten distinguir con gran exactitud a los pacientes con esquizofrenia de los controles sanos.

El objetivo es describir la complejidad oracional (clausal complexity) y la organización del discurso en pacientes con esquizofrenia de habla croata, así como evaluar el valor clasificatorio de los rasgos discursivos que suelen eliminarse en las cadenas automatizadas de procesamiento del lenguaje natural (natural language processing, NLP). En el estudio participaron 30 pacientes con esquizofrenia y 30 controles sanos, a quienes se administraron una tarea narrativa y una tarea de descripción de láminas del TAT en el marco del protocolo DISCOURSE. Se codificaron manualmente los marcadores discursivos, las autocorrecciones (self-corrections; conceptuales, sintácticas, léxicas, morfológicas y fonológicas) y los fragmentos sin predicado; la MLT, la complejidad oracional y la relación tipo/token (type-token ratio, TTR) se calcularon con CLASSLA Stanza. Para la clasificación se construyeron modelos de regresión logística y de bosque aleatorio (Random Forest), con validación cruzada de 10 particiones y remuestreo (bootstrap, B = 300). La MLT y la complejidad oracional no difirieron entre los grupos; los pacientes produjeron significativamente más palabras de relleno (p = 0,005), autocorrecciones sintácticas (p = 0,007) y léxicas (p < 0,001), repeticiones (p < 0,001) y fragmentos sin predicado (p < 0,001), y presentaron valores de TTR más bajos (p = 0,006). Ambos clasificadores alcanzaron un área bajo la curva (area under the curve, AUC) de aproximadamente entre 0,93 y 0,94 y una exactitud de entre 0,87 y 0,90; las autocorrecciones léxicas fueron el predictor predominante en todas las medidas (OR = 3,18). La inconsistencia de la posición de la TTR en la clasificación de importancia de las variables se interpretó como un posible indicio de multicolinealidad (multicollinearity). En conclusión, estos rasgos discursivos, que se excluyen de forma rutinaria en las cadenas automatizadas de NLP, poseen capacidad de discriminación diagnóstica y son relevantes para el preprocesamiento de las transcripciones del habla.

Todos los resúmenes del WCP 2026