MétaCan
Menu
Retour à la cohorte
Enregistrement W2810903279 · doi:10.4236/jbbs.2018.87026

Impact of Motor Speech Intervention on Neural Activity in Children with Speech Sound Disorders: Use of Magnetoencephalography

2018· article· en· W2810903279 sur OpenAlexafffund
Vickie Y. Yu, Darren S. Kadis, Debra Goshulak, Aravind Kumar Namasivayam, Margit Pukonen, Robert M. Kroll, Luc F. De Nil, Elizabeth W. Pang

Notice bibliographique

RevueJournal of Behavioral and Brain Science · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensMental Health Research CanadaHospital for Sick ChildrenUniversity of TorontoThe Speech and Stuttering Institute
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMagnetoencephalographySpeech productionArticulation (sociology)Speech soundPsychologyNeuroimagingSyllableNeurocomputational speech processingAudiologyBrain activity and meditationSpeech disorderIntervention (counseling)Task (project management)Speech recognitionSpeech perceptionNeuroscienceMedicinePerceptionElectroencephalographyComputer science

Résumé

récupéré en direct d'OpenAlex

We present the novel use of a neuroimaging technique, magnetoenceph-alography (MEG), for examining therapy-related changes in neural activity during a speech and a non-speech motor task in children with speech sound disorders (SSD). Nine children (mean age = 4.2 years) with SSD were scanned in the MEG before and after an eight-week course of intensive motor speech therapy. MEG tasks involved an oromotor and a syllable production task. MEG analyses identified significant post-therapy changes in brain regions related to oromotor control and speech production. Behavioral assessments showed significant improvements on measures of motor speech skills and articulation following intervention. This is the first demonstration of the ability of MEG to: 1) capture brain activations resulting from oromotor movements and simple syllable production in young children, and 2) capture brain changes related to speech therapy. As the findings from this study are promising, we discuss directions for the design of future studies to further examine specific neural dysfunctions in speech sound disorders.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,082
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,356
Écart entre enseignants0,326 · 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 tête enseignante, 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

Citations5
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral and Brain ScienceMême sujetLanguage Development and DisordersTravaux en français237 207