Effet de l'intensité du traitement sur le maintien des gains dans le traitement de l'aphasie post-AVC
Notice bibliographique
Résumé
Déterminer l’intensité optimale, en fréquence, en durée et en quantité de stimuli, d’un traitement orthophonique pour l’aphasie après un accident vasculaire cérébral (AVC) est un défi pour les cliniciens qui souhaitent maximiser l’efficience du traitement, car, à ce jour, les données scientifiques sur le sujet sont inconstantes. Certaines études semblent montrer des gains plus importants immédiatement après le traitement avec un traitement intensif plutôt qu’un non intensif, mais l’influence de l’intensité du traitement sur le maintien de ces gains dans le temps demeure encore plus nébuleuse. L’objectif de cette revue systématique est de vérifier s’il existe une différence entre l’efficacité d’un traitement intensif et celle d’un traitement non intensif dans le maintien des gains en aphasie après un AVC. Une recherche systématique dans quatre bases de données principales et dans la bibliographie des articles pertinents a permis d’identifier sept articles (total de 239 participants aphasiques [âge moyen de 67,15 ans; 0,1 à 225 mois post-AVC]) correspondant aux critères de sélection. La force de l’évidence a été mesurée en fonction de la qualité méthodologique des articles. Les résultats de cette revue suggèrent un maintien équivalent des gains avec les deux intensités thérapeutiques. D’autres variables et paramètres de traitement pourraient influencer ces résultats. Différentes théories sont abordées concernant la manière dont l’efficacité pourrait être différente en fonction des paramètres d’intensité, des approches utilisées et des mesures d’efficacité. Les variables à considérer pour des recherches ultérieures sont mises en évidence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».