Behavioral and Cognitive Interventions With Digital Devices in Subjects With Intellectual Disability: A Systematic Review
Notice bibliographique
Résumé
In recent years, digital devices have been progressively introduced in rehabilitation programs and have affected skills training methods used with children and adolescents with intellectual disabilities (ID). The objective of this review is to assess the effects of the use of digital devices on the cognitive functions and behavioral skills in this population, and to acknowledge their potential as a therapeutic tool. Electronic databases were analyzed until February 2020 using search formulas with free terms related to ID and the use of digital systems with children or adolescents. The risk of bias in randomized controlled trials was assessed by means of the modified Cochrane Collaboration tool and the quality level of the non-randomized studies was assessed using the Newcastle-Ottawa Scale. Forty-four studies were analyzed, most of which were categorized as low quality. Of the executive function studies analyzed, 60% reported significant improvements, most commonly related to working memory. Within the cognitive skills, 47% of the studies analyzed reported significant improvements, 30% of them in language. Significant improvements in the social (50%) and behavioral domains (30%) were also reported. These results suggest that digital interventions are effective in improving working memory and academic skills, and positively affect both the social and behavioral domains. Little information has been published regarding the duration of the effects, which could be limited in time. Further research is necessary to assess long-term effectiveness, the influence of comorbidities, and the effects on subjects with severe ID. The inclusion of smartphones and special education centers is also necessary.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».