本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

EV1236

克罗地亚语精神分裂症患者言语中的分句复杂度与话语组织

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

尽管句法复杂度保持完好，词汇层面的自我修正、重复及无谓语片段仍能以较高的准确率区分精神分裂症患者与健康对照者。

本研究旨在描述克罗地亚语精神分裂症患者的分句复杂度（clausal complexity）与话语组织，并评估自动自然语言处理（natural language processing，NLP）流程中通常被剔除的话语特征的分类价值。研究纳入30名精神分裂症患者和30名健康对照者，按照DISCOURSE方案开展叙事任务和主题统觉测验（TAT）图片描述任务。研究人员对话语标记、自我修正（self-corrections；包括概念、句法、词汇、形态和音系层面）及无谓语片段进行人工编码，并使用CLASSLA Stanza计算平均T单位长度（MLT）、分句复杂度和类符形符比（type-token ratio，TTR）。分类采用逻辑回归和随机森林（Random Forest）模型，并进行10折交叉验证和自助重采样（bootstrap，B = 300）。两组的MLT与分句复杂度无差异；患者使用的填充词（p = 0.005）、句法层面的自我修正（p = 0.007）、词汇层面的自我修正（p < 0.001）、重复（p < 0.001）及无谓语片段（p < 0.001）显著更多，TTR则更低（p = 0.006）。两种分类器的曲线下面积（area under the curve，AUC）均约为0.93至0.94，准确率为0.87至0.90；在所有评估中，词汇层面的自我修正均为最主要的预测变量（OR = 3.18）。TTR在变量重要性排序中的不一致，被解释为可能与多重共线性（multicollinearity）有关。综上，这些在自动NLP流程中常被剔除的话语特征具有诊断区分价值，对言语转录文本的预处理具有重要意义。

全部 WCP 2026 摘要