Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

EV1236

Hırvatçada şizofreni hastalarının konuşmasında tümce karmaşıklığı ve söylem örgütlenmesi

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

Sözdizimsel karmaşıklık korunmuş olmasına karşın sözcüksel öz düzeltmeler, yinelemeler ve yüklemsiz parçalar şizofreni hastalarını sağlıklı kontrollerden yüksek doğrulukla ayırmaktadır.

Amaç, Hırvatça konuşan şizofreni hastalarında tümce karmaşıklığı (clausal complexity) ile söylem örgütlenmesini tanımlamak ve otomatik doğal dil işleme (natural language processing, NLP) zincirlerinde genellikle ayıklanan söylem özelliklerinin sınıflandırma değerini değerlendirmektir. Çalışmaya 30 şizofreni hastası ve 30 sağlıklı kontrol alınmış, DISCOURSE protokolü kapsamında anlatı görevi ve TAT resim betimleme görevi uygulanmıştır. Söylem belirleyicileri, öz düzeltmeler (self-corrections; kavramsal, sözdizimsel, sözcüksel, biçimbilimsel, sesbilimsel) ve yüklemsiz parçalar elle kodlanmış; MLT, tümce karmaşıklığı ve tür belirteç oranı (type-token ratio, TTR) CLASSLA Stanza ile hesaplanmıştır. Sınıflandırma için lojistik regresyon ve rastgele orman (Random Forest) modelleri 10 katlı çapraz geçerleme ve yeniden örnekleme (bootstrap, B = 300) ile kurulmuştur. MLT ve tümce karmaşıklığı gruplar arasında farklılaşmamış; hastalar anlamlı olarak daha fazla doldurma sözcüğü (p = 0,005), sözdizimsel (p = 0,007) ve sözcüksel öz düzeltme (p < 0,001), yineleme (p < 0,001) ve yüklemsiz parça (p < 0,001) üretmiş, TTR değerleri daha düşük bulunmuştur (p = 0,006). Her iki sınıflandırıcı da yaklaşık 0,93 ile 0,94 arasında eğri altında kalan alan (area under the curve, AUC) ve 0,87 ile 0,90 arasında doğruluk değerine ulaşmış, sözcüksel öz düzeltmeler tüm ölçümlerde baskın yordayıcı olmuştur (OR = 3,18). TTR'nin değişken önem sırasındaki tutarsızlığı çoklu bağlantı (multicollinearity) olasılığı ile yorumlanmıştır. Sonuç olarak otomatik NLP zincirlerinde rutin biçimde dışlanan bu söylem özellikleri tanısal ayırt ediciliğe sahiptir ve konuşma dökümlerinin ön işlenmesi açısından önem taşımaktadır.

Tüm WCP 2026 özetleri