The Fusion of Public Health and Speech-Language Therapy in Schools: Has the Time Come?
Notice bibliographique
Résumé
BACKGROUND: The burden of communication disorders in school age children is substantial. These disorders are among the most prevalent in schools. Communication disorders are also linked to numerous sequalae, such as poor socio-emotional health, poor academic and professional outcomes, high levels of unemployment, and increased healthcare utilization and costs. Nevertheless, children with these disorders are among the least likely to receive services from a rehabilitation professional. In fact, more than half of school-aged children with a communication disorder do not receive any speech-language therapy support. Clearly, new approaches to communication disorders in schools are needed. METHODS: We conducted a narrative review of scholarly and applied literature in three parts. The first justifies the fusion of public health and speech-language therapy in schools. The second explores public health frameworks for speech-language therapy and compares the same to tiered service delivery models recently implemented within schools. The third addresses the implications of this fusion for research in communication disorders and for clinical practice. RESULTS: Traditional models of speech-language therapy clinical practice in schools are no longer sustainable given the current challenges posed by childhood communication disorders. A communication disability public health approach is needed to overcome these challenges. Tiered service delivery models provide an excellent opportunity to pivot speech-language therapy practice and research in schools towards a public health approach. CONCLUSION: Through this narrative review, we argue that the future of speech-language therapy in schools must take advantage of advances in public health to respond to current child health needs in our communities. We strongly recommend the fusion of public health and school-based speech-language therapy to address the communication health needs of future generations.
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 | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,006 |
| 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 ».