Effects of Conventional Speech Therapy with Liuzijue Qigong, a Traditional Chinese Method of Breath Training, in 70 Patients with Post-Stroke Spastic Dysarthria
Notice bibliographique
Résumé
BACKGROUND Post-stroke spastic dysarthria (PSSD) is a motor speech impairment that impacts patient communication and quality of life. Liuzijue Qigong (LQG), a traditional Chinese method of breath training, could serve as an effective treatment for PSSD. This study compared the effects of conventional speech therapy and conventional speech therapy combined with LQG in patients with PSSD. MATERIAL AND METHODS Seventy patients with PSSD were randomly divided into a control group (conventional speech therapy, n=35, 77.14% cerebral infarction, 22.86% cerebral hemorrhage) and experimental group (LQG combined with conventional speech therapy, n=35, 85.71% cerebral infarction, 14.29% cerebral hemorrhage). Conventional speech therapy included relaxation, breath control, organ articulation, and pronunciation training. LQG involved producing 6 different sounds (Xu, He, Hu, Si, Chui, and Xi) accompanied by breathing and body movements. Patients were treated once a day, 5 times a week, for 4 weeks. The Frenchay Dysarthria Assessment scale (FDA), speech articulation, maximum phonation time (MPT), loudness, and Montreal Cognitive Assessment scale (MoCA) were evaluated. RESULTS At 4 weeks, the experimental group showed significant improvements compared with the control group in the change of FDA (13.26±6.84 vs 18.03±5.32, P=0.028), speech articulation (63.17±22.40 vs 76.51±15.28, P=0.024), MPT (1.34±1.30 vs 3.89±3.98, P<0.001), loudness (3.46±2.74 vs 7.14±2.56, P=0.009), MoCA (19.40±3.72 vs 22.20±5.30, P=0.020), total effective rate (68.57% vs 88.57%, P=0.041). CONCLUSIONS LQG, when combined with conventional speech therapy, enhanced the comprehensive speech ability of patients with PSSD compared with conventional treatment alone.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».