MétaCan
Menu
Retour à la cohorte
Enregistrement W4284975401 · doi:10.2196/39423

Comparison of the Effects of Movement-Based Interventions Delivered Face-to-face Versus Via Telehealth on Restricted and Repetitive Behaviors of Children With Autism Spectrum Disorder

2022· article· en· W4284975401 sur OpenAlexvenueno aff
Avadhut Khade, Megan Shuguli, Wan-Chun Su, Corina Cleffi, Anjana Bhat, Sudha Srinivasan

Notice bibliographique

RevueIproceedings · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutism spectrum disorderNonverbal communicationAutismPsychological interventionIntervention (counseling)Gross motor skillTelehealthRandomized controlled trialPervasive developmental disorderMedicinePsychologyClinical psychologyAudiologyPhysical therapyPhysical medicine and rehabilitationMotor skillTelemedicinePsychiatryDevelopmental psychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background Autism spectrum disorder (ASD) is the most common pediatric neurodevelopmental disorder with a prevalence of 1 in every 44 children. Children with ASD exhibit social communication and behavioral impairments including poor verbal and nonverbal communication and heightened frequencies of repetitive and maladaptive behaviors (RBs). Objective Our randomized controlled trial compares face-to-face (F2F) versus telehealth-based intervention delivery for three types of interventions: two whole-body gross motor interventions and a conventional seated play (SP) intervention on RBs in children with ASD. Methods A total of 45 children with a confirmed diagnosis of ASD (aged 5-14 years) were recruited, matched on age bands and level of functioning, and randomly assigned to 1 of the 3 intervention groups, creative movement (CM), general movement (GM), or SP. Sessions were 1 to 1.5 hours long and were conducted with the child twice a week over 8 weeks by an expert clinician, adult confederate, and the caregiver. We coded videos of early and late training sessions for 3 types of RBs: sensory, stereotyped, and negative. Frequencies per standard time were calculated for RBs across early and late sessions. Results Data from a subset of 39 children suggest that there was a significant reduction in total RBs from an early to a late session in the CM group (early: mean 34.8, SE 5.0; late: mean 24.7, SE 3.9; P=.01) but not in the GM (early: mean 34.8, SE 5.0; late: mean 24.7, SE 3.9; P=.01) and SP groups (early: mean 14.6, SE 3.1; late: mean 15.2, SE 4.0; P=.79). The reduction in total RBs in the CM group did not differ significantly between children seen F2F (mean 14.2, SE 4.4) versus via telehealth (mean 5.3, SE 3.8; P=.20). The CM group specifically reduced frequencies of sensory (early: mean 10.7, SE 1.8; late: mean 6.2, SE 1.9; P=.03) and negative (early: mean 10.7, SE 2.6; late: mean 7.4, SE 2.3; P=.01) behaviors. Similar to the trends reported above, the reductions were not significantly different for children seen F2F and via telehealth (sensory F2F: mean 5.1, SE 1.8; sensory telehealth: mean 4.7, SE 3.7; P=.92; negative F2F: mean 2.6, SE 1.3; negative telehealth mean 3.7, SE 2.1; P=.66). Conclusions CM activities involving music and movement are novel contexts and lead to higher frequencies of RBs at baseline compared to conventional SP activities in children with ASD. However, training children reduced the frequencies of RBs, especially negative and sensory behaviors. No improvements were found in the GM or SP groups. Although our sample size was limited, preliminary data suggests similar trends for improvement in children seen F2F versus via telehealth. Telehealth-based training seems to be a viable mode of intervention delivery for families with difficulties accessing in-person care. Conflicts of Interest None declared.

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 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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,023
Tête enseignante GPT0,318
Écart entre enseignants0,296 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIproceedingsMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207