Effect of word retrieval therapy on a patient with expressive aphasia: a case report
Notice bibliographique
Résumé
ABSTRACT To verify the effect of word retrieval therapy on a patient with expressive aphasia. A forty-seven year-old, male, with 8 years of schooling, with complaints about not saying words after two ischemic stroke on the left hemisphere, participated in this study. The Montreal-Toulouse-Language Assessment Battery (MTL-BR), Brief Neuropsychological Assessment Instrument (NEUPSILIN-Af), Mini-Mental State Examination (MMSE) and Functional Assessment Communication Skills scale (ASHA-FACS) were used pre- and post-therapy. A baseline test with 50 words, 25 nouns and 25 verbs was applied to obtain data regarding naming ability. The sessions occurred twice a week, for 50 minutes. The intervention was based on a set of 25 images of nouns and verbs, in oral and written modalities during six sessions, for each category. On the three final sessions, 10 figures of nouns and 10 figures of verbs were added in sentences. In the post-therapy, the final baseline showed an increase in vocabulary of nouns and verbs. In the pos-intervention evaluation, the patient had an improvement in some tasks of MTL-BR battery, NEUPSILIN-Af tasks. Improvement in the social communication and daily planning aspects were reported in the ASHA-FACS. In conclusion, the word retrieval therapy was effective in this case, because there was an increase of the vocabulary and improvement in several linguistic, communicative and cognitive aspects.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».