Differential Effects of Speech and Language Therapy and rTMS in Chronic Versus Subacute Post-stroke Aphasia: Results of the NORTHSTAR-CA Trial
Notice bibliographique
Résumé
Background & objective Contralesional 1-Hz repetitive transcranial magnetic stimulation (rTMS) over the right pars triangularis combined with speech-language therapy (SLT) has shown positive results on the recovery of naming in subacute (5–45 days) post-stroke aphasia. NORTHSTAR-CA is an extension of the previously reported NORTHSTAR trial to chronic aphasia (>6 months post-stroke) designed to compare the effectiveness of the same rTMS protocol in both phases. Methods Sixty-seven patients with left middle cerebral artery infarcts (28 chronic, 39 subacute) were recruited (01-2014 to 07-2019) and randomized to receive rTMS (N = 34) or sham stimulation (N = 33) with SLT for 10 days. Primary outcome variables were Z-score changes in naming, semantic fluency and comprehension tests and adverse event frequency. Intention-to-treat analyses tested between-group effects at days 1 and 30 post-treatment. Chronic and subacute results were compared. Results Adverse events were rare, mild, and did not differ between groups. Language outcomes improved significantly in all groups irrespective of treatment and recovery phase. At 30-day follow-up, there was a significant interaction of stimulation and recovery phase on naming recovery ( P <.001). Naming recovery with rTMS was larger in subacute (Mdn = 1.91/IQR = .77) than chronic patients (Mdn = .15/IQR = 1.68/ P = .015). There was no significant rTMS effect in the chronic aphasia group. Conclusions The addition of rTMS to SLT led to significant supplemental gains in naming recovery in the subacute phase only. While this needs confirmation in larger studies, our results clarify neuromodulatory vs training-induced effects and indicate a possible window of opportunity for contralesional inhibitory stimulation interventions in post-stroke aphasia. NORTHSTAR trial registration https://clinicaltrials.gov/ct2/show/NCT02020421 .
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».