MétaCan
Menu
Retour à la cohorte
Enregistrement W4385157065 · doi:10.1186/s13643-023-02267-5

Speech therapy for transgender women: an updated systematic review and meta-analysis

2023· review· en· W4385157065 sur OpenAlexaffabout
Karine Schwarz, Carla Aparecida Cielo, Poli Mara Spritzer, Anna Paula de Sá Villas-Bôas, Ângelo Brandelli Costa, Anna Martha Vaitses Fontanari, Bruna Costa Gomes, Dhiordan Cardoso da Silva, Maiko Abel Schneider, Maria Inês Rodrigues Lobato

Notice bibliographique

RevueSystematic Reviews · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueVoice and Speech Disorders
Établissements canadiensMcMaster University
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorFundação de Amparo à Pesquisa do Estado do Rio Grande do SulFundação Instituto de Pesquisas EconômicasUniversidade Federal do Rio Grande do SulHospital de Clínicas de Porto AlegreConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésMedicineVoice therapyObservational studyMeta-analysisVoice TrainingAudiologyVowelInternal medicineSpeech recognition

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We systematically reviewed the literature and performed a meta-analysis on the effects of speech therapy and phonosurgery, for transgender women, in relation to the fundamental frequency gain of the voice, regarding the type of vocal sample collected, and we compared the effectiveness of the treatments. In addition, the study design, year, country, types of techniques used, total therapy time, and vocal assessment protocols were analyzed. METHODS: We searched the PubMed, Lilacs, and SciELO databases for observational studies and clinical trials, published in English, Portuguese, or Spanish, between January 2010 and January 2023. The selection of studies was carried out according to Prisma 2020. The quality of selected studies was assessed using the Newcastle-Ottawa scale. RESULTS: Of 493 studies, 31 were deemed potentially eligible and retrieved for full-text review and 16 were included in the systematic review and meta-analysis. Six studies performed speech therapy and ten studies phonosurgery. The speech therapy time did not influence the post-treatment gain in voice fundamental frequency (p = 0.6254). The type of sample collected significantly influenced the post-treatment voice frequency gain (p < 0.01). When the vocal sample was collected through vowel (p < 0.01) and reading (p < 0.01), the gain was significantly more heterogeneous between the different types of treatment. Phonosurgery is significantly more effective in terms of fundamental frequency gain compared to speech therapy alone, regardless of the type of sample collected (p < 0.01). The average gain of fundamental frequency after speech therapy, in the /a/ vowel sample, was 27 Hz, 39.05 Hz in reading, and 25.42 Hz in spontaneous speech. In phonosurgery, there was a gain of 71.68 Hz for the vowel /a/, 41.07 Hz in reading, and 39.09 Hz in spontaneous speech. The study with the highest gain (110 Hz) collected vowels, and the study with the lowest gain (15 Hz), spontaneous speech. The major of the included studies received a score between 4 and 8 on the Newcastle-Ottawa Scale. CONCLUSION: The type of vocal sample collected influences the gain result of the fundamental frequency after treatment. Speech therapy and phonosurgery increased the fundamental frequency and improved female voice perception and vocal satisfaction. However, phonosurgery yielded a greater fundamental frequency gain in the different samples collected. The study protocol was registered at Prospero (CRD42017078446).

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)0,013
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,037
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,029
Bibliométrie0,0100,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,302
Tête enseignante GPT0,447
Écart entre enseignants0,145 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations29
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSystematic ReviewsMême sujetVoice and Speech DisordersTravaux en français237 207