MétaCan
Menu
Retour à la cohorte
Enregistrement W4367839861 · doi:10.1177/08830738231171466

Language and Cognitive Outcomes Following Ischemic Stroke in Children With Monolingual and Bilingual Exposure

2023· article· en· W4367839861 sur OpenAlexafffund
Kai Ian Leung, Nomazulu Dlamini, Robyn Westmacott, Monika Molnar

Notice bibliographique

RevueJournal of Child Neurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensHospital for Sick ChildrenToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCognitionStroke (engine)Neuroscience of multilingualismPsychologyPediatric strokeLanguage developmentCognitive skillIschemic strokeDevelopmental psychologyMedicinePsychiatryNeuroscience

Résumé

récupéré en direct d'OpenAlex

Aim: Although many children who experience ischemic stroke come from bilingual backgrounds, it is unclear whether bilingual exposure affects poststroke development. Our research evaluates bilingual and monolingual exposure on linguistic/cognitive development poststroke across 3 stroke-onset groups. Method: An institutional stroke registry and medical charts were used to gather data on 237 children across 3 stroke-onset groups: neonatal, <28 days; first-year, 28 days to 12 months; and childhood, 13 months to 18 years. The Pediatric Stroke Outcome Measure (PSOM), administered several times poststroke, was used to evaluate cognition and linguistic development. Results: Similar cognitive outcomes were observed across language groups. However, an interaction effect with stroke-onset group was observed, with monolinguals in the first-year group having worse productive language outcomes as compared to bilinguals. Interpretation: Overall, no detrimental effects of bilingualism were found on children's poststroke cognition and linguistic development. Our study suggests that a bilingual environment may facilitate language development in children poststroke.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,256
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Child NeurologyMême sujetNeonatal and fetal brain pathologyTravaux en français237 207