Aprosodia Subsequent to Right Hemisphere Brain Damage: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Objective: To identify which aspects of prosody are negatively affected subsequent to right hemisphere brain damage (RHD) and to evaluate the methodological quality of the constituent studies. Method: Twenty-one electronic databases were searched to identify articles from 1970 to February 2020 by entering keywords. Eligibility criteria for articles included a focus on adults with acquired RHD, prosody as the primary research topic, and publication in a peer-reviewed journal. A quality appraisal was conducted using a rubric adapted from Downs and Black (1998). Results: Of the 113 articles appraised as eligible and appropriate for inclusion, 71 articles were selected to undergo data extraction for both meta-analyses of population effect size estimates and qualitative synthesis. Across all domains of prosody, the effect estimate was g = 2.51 [95% CI (1.94, 3.09), t = 8.66, p < 0.0001], based on 129 contrasts between RHD and non-brain-damaged healthy controls (NBD), indicating a significant random effects model. This effect size was driven by findings in emotional prosody, g = 2.48 [95% CI (1.76, 3.20), t = 6.88, p < 0.0001]. Overall, studies of higher quality ( r pb = 0.18, p < 0.001) and higher sample size/contrast ratio ( r pb = 0.25, p < 0.001) were more likely to report significant differences between RHD and NBD participants. Conclusions: The results confirm consistent evidence for emotional prosody deficits in the RHD population. Inconsistent evidence was observed across linguistic prosody domains and pervasive methodological issues were identified across studies, regardless of their prosody focus. These findings highlight the need for more rigorous and sufficiently high-powered designs to examine prosody subsequent to RHD, particularly within the linguistic prosody domain.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».