MétaCan
Menu
Retour à la cohorte
Enregistrement W2926627897 · doi:10.1111/1460-6984.12472

Investigating intervention dose frequency for children with speech sound disorders and motor speech involvement

2019· article· en· W2926627897 sur OpenAlexaff
Aravind Kumar Namasivayam, Margit Pukonen, Debra Goshulak, Francesca Granata, Derek J. Le, Robert M. Kroll, Pascal van Lieshout

Notice bibliographique

RevueInternational Journal of Language & Communication Disorders · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensAmgen (Canada)The Speech and Stuttering InstituteToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAnalysis of varianceRepeated measures designAudiologyPsychologySpeech productionPopulationIntervention (counseling)Articulation (sociology)Intelligibility (philosophy)Speech soundMedicineSpeech recognitionStatisticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Treatment outcome data for children with severe speech sound disorders with motor speech involvement (SSD-MSI) are derived from Phase I clinical research studies. These studies have demonstrated positive improvements in speech production. Currently there is no research examining the optimal treatment dose frequency for this population. The results of this study, which is the first of its kind, will inform the delivery of effective services for this population. AIMS: To investigate optimal treatment dose frequency for the Motor Speech Treatment Protocol (MSTP) for children with SSD-MSI. METHODS & PROCEDURES: A total of 48 children (aged 43-47 months) with SSD-MSI participated in the study. Participants received 45-min MSTP intervention sessions either once per week (lower dose frequency) or twice per week (higher dose frequency) for a 10-week period. Blinded outcome assessments were carried out at pre- and post-intervention. OUTCOMES & RESULTS: Treatment-related change was assessed at body structures, functions and activities participation level as per the World Health Organization's International Classification of Functioning framework: Children and Youth Version (ICF-CY) framework WHO (2007). These measures are related to articulation, functional communication and speech intelligibility. One-way analysis of variance (ANOVA) revealed that for all variables the baseline scores were not statistically different (p > 0.05) between the two dose-frequency groups. Overall, there was a significant main effect of Time (pre-post) across all variables (p < 0.01). However, repeated-measures ANOVA did not result in any statistical interactions (Time × Dose frequency) for any of the variables tested (p > 0.05). Only marginal clinical advantages (< 4% change in intelligibility) were noted with the 10 extra sessions. CONCLUSIONS & IMPLICATIONS: Overall, the MSTP intervention approach in conjunction with home practice led to significant positive changes for all measures in children with SSD-MSI. No statistical differences between high- and low-dose-frequency groups were observed for any of the variables. Clinical effects were examined using effect sizes, as well as changes in articulation, speech intelligibility and functional communication; these differed marginally between the two dose frequencies. This suggests limited benefits of 10 additional sessions per block. Thus, it is recommended that caregivers, speech-language therapists and policy-makers perform a cost-benefit analysis before determining the dose frequency, when considering additional sessions per block.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,311
Écart entre enseignants0,298 · 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

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Language & Communication DisordersMême sujetLanguage Development and DisordersTravaux en français237 207