Look at Mummy: challenges in training parents to deliver a home treatment program for childhood apraxia of speech in a rural Canadian community
Notice bibliographique
Résumé
INTRODUCTION: Children requiring speech pathology services in rural and remote locations face many barriers in accessing adequate services. This has particular consequences for children who need intensive treatment for therapy to be effective, such those with childhood apraxia of speech (CAS). Parent training has been used to overcome speech pathology service delivery barriers for a range of other communication disorders. However, the effectiveness of training parents to deliver a motor-based treatment for CAS within rural and remote contexts has not been evaluated. This study examined the effectiveness and feasibility of training parents in a rural community to use the treatment approach of dynamic temporal and tactile cueing (DTTC) in order to provide more intensive treatment sessions at home. METHODS: The study used an experimental single case across behaviours design and parent interviews to evaluate outcomes both quantitatively and qualitatively. The study included four parent-child dyads from a mixed socioeconomic rural community in Canada. Child participants ranged in age from 3 years to 8 years. Child treatment outcomes were measured using an improvement rate difference (IRD) calculation based on percentage of phonemes correct. Fidelity to the treatment protocol was measured using a fidelity score. RESULTS: All parents reported challenges in carrying out the program due to social and behavioural challenges. Parents also reported benefits such as being able to spend more time with their child and learning some useful cueing techniques. Only one of the four participants had a moderate effect size for his target words (IRD=57%). CONCLUSION: While training parents to deliver DTTC may be effective for some parent-child dyads, clinicians are advised that parent training may not be suitable for all families, and parents in rural and remote communities may face particular social circumstances that make following through with an intensive treatment program difficult.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».