MétaCan
Menu
Retour à la cohorte
Enregistrement W3027973683 · doi:10.1080/02687038.2020.1763908

Naming gains and within-intervention progression following semantic feature analysis (SFA) and phonological components analysis (PCA) in adults with chronic post-stroke aphasia

2020· article· en· W3027973683 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAphasiology · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensInstitut Universitaire de Gériatrie de MontréalCentre for Research on Brain Language and MusicMcGill University
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésAphasiaPsychologyGeneralizationContext (archaeology)Semantic featureCognitive psychologyStroke (engine)Psychological interventionIntervention (counseling)Natural language processingComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Up to 60% of people with aphasia experience persistent word-finding difficulties into the chronic stage, starting six months after the stroke. Semantic Feature Analysis (SFA) and Phonological Components Analysis (PCA) are two common word-finding interventions that use the generation of semantic features for SFA (e.g. category) and phonological features for PCA (e.g. first sound) to improve naming. Despite inconsistent support for the generalization to untreated items, studies have shown improvements on probe word naming for treated items. However, research concerning within-intervention effects and generalization to alternative contexts has been limited.Aim: This study investigated the effect of treatment for SFA and PCA probe word naming as well as their within-intervention effects in four individuals with chronic post-stroke aphasia.Methods & Procedures: Baseline and follow-up measures included standardized assessments and image naming tasks. The image naming task was used to generate three lists: an SFA treated list, a PCA treated list, and an untreated list. One SFA session and one PCA session per week were then provided concurrently to each participant for a period of six weeks.Outcomes & Results: While only one participant experienced significant gains on treated probe word naming, these gains were maintained four weeks after the intervention. Exploratory results suggested that effects could transfer to two types of generalization items: different pictures of the same items and pictures of items shown in a natural context. Furthermore, while generalization to untreated items did not reach significance for any participant, some generalization of gains to standardized assessments was observed. Although rarely equivalent for SFA and PCA interventions, all participants also experienced some degree of within-intervention improvement over the progression of sessions. These improvements included a reduction in the number of forced choices required for feature generation and/or a reduction in the number of words never named during intervention sessions.Conclusion: The results support additional avenues of investigation for SFA and PCA therapies for individuals with post-stroke aphasia, namely within intervention effects and the potential for generalization to different contexts.

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.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,765

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,020
Tête enseignante GPT0,293
Écart entre enseignants0,273 · 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