MétaCan
Menu
Retour à la cohorte
Enregistrement W2052054639 · doi:10.3109/02699052.2014.947619

Assessment practices of speech-language pathologists for cognitive communication disorders following traumatic brain injury in adults: An international survey

2014· article· en· W2052054639 sur OpenAlexaboutno aff
Matthew H. J. Frith, Leanne Togher, Alison Ferguson, Wayne Levick, Kimberley Docking

Notice bibliographique

RevueBrain Injury · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraumatic brain injuryCognitionPsychologyMedicineClinical psychologyAudiologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

PRIMARY OBJECTIVE: This study's objective was to examine the current assessment practices of SLPs working with adults with acquired cognitive communication impairments following a TBI. METHODS AND PROCEDURES: Two hundred and sixty-five SLPs from the UK, the US, Canada, Australia and New Zealand responded to the online survey stating the areas of communication frequently assessed and the assessment tools they use. MAIN OUTCOMES AND RESULTS: SLPs reported that they routinely assessed functional communication (78.8%), whereas domains such as discourse were routinely assessed by less than half of the group (44.3%). Clinicians used aphasia and cognitive communication/high level language tools and tools assessing functional performance, discourse, pragmatic skills or informal assessments were used by less than 10% of the group. The country and setting of service delivery influenced choice of assessment tools used in clinical practice. CONCLUSIONS: These findings have implications for training of SLPs in a more diverse range of assessment tools for this clinical group. The findings raise questions regarding the statistical validity and reliability of assessments currently used in clinical practice. It highlights the need for further research into how SLPs can be supported in translating current evidence about the use of assessment tools into clinical practice.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,083
Tête enseignante GPT0,458
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain InjuryMême sujetTraumatic Brain Injury ResearchTravaux en français237 207