Commentary: Intervention research in pediatric rare diseases
Notice bibliographique
Résumé
Children living with pediatric neuromuscular diseases (NMD) face elevated likelihood of behavioral, emotional, cognitive, and social challenges (Gosar et al., 2021). Notably, research indicates that pediatric patients with NMD may exhibit reduced social cognition, such as theory of mind and facial affect recognition, compared to typically developing peers (García et al., 2024). Despite this, efforts to develop evidence-based multi-modal psychosocial interventions tailored to their diverse needs have been limited. Addressing this clinically relevant gap, García et al. (this issue) created an innovative 12-sessions neuropsychosocial teleassistance group-based intervention. Their team then evaluated the intervention efficacy on social cognitive abilities and health-related quality of life in a cohort of youth with NMD aged 8–12 compared with a waitlist control group. García et al. (this issue) demonstrated several notable strengths. First, their integrative approach combining training of social cognitive abilities with cognitive behavioral therapy on various topics (e.g., self-esteem, social skills, coping strategies) serves as an essential response to the multifaceted psychosocial needs of youth with NMD (Gosar et al., 2021). Second, an online administration of the intervention optimizes accessibility, which is particularly beneficial for rare disease populations and children with mobility issues. Finally, their group-based format offers an ideal environment for children to practice social skills and make connections with peers. Results support the efficacy of their program, with medium to large improvements on theory of mind, facial affect recognition, and domains of health-related quality of life in the intervention group. García et al.’s (this issue) work lays a strong foundation for future research to build upon and increase the intervention’s applicability.
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 | 0,024 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,011 |
| Communication savante | 0,005 | 0,011 |
| Science ouverte | 0,009 | 0,003 |
| Intégrité de la recherche | 0,069 | 0,062 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,012 |
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 ».