MétaCan
Menu
Retour à la cohorte
Enregistrement W4401280452 · doi:10.21020/husbfd.1243670

Amyotrofik Lateral Sklerozis Tanısında Konuşma Terapisti Müdahalesi: Olgu Sunumu

2024· article· tr· W4401280452 sur OpenAlexaboutno aff
Feyza Deniz Saman

Notice bibliographique

RevueHacettepe Üniversitesi Sağlık Bilimleri Fakültesi Dergisi · 2024
Typearticle
Languetr
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Amaç: Bu olgu sunumunun amacı, Amyotrofik Lateral Sklerozis tanısında motor konuşma bozukluğuna ek olarak yutma bozukluğu yaşayabilecek olan hastalara konuşma terapistinin uygulayacağı kapsamlı değerlendirme ve terapi programının konuşma ve yutma becerileri üzerindeki etkililiğini incelemektir. Gereç ve Yöntem: Çalışmaya 58 yaşında bir kadın hasta dahil edilmiştir. 2 Aşamalı şekilde uygulanan terapi programında olguya 3 haftalık koruyucu programın ardından 2 hafta süresince 12 seanslık yoğunlaştırılmış terapi programı uygulanmıştır. Değerlendirmede oral motor muayene, Toronto Yatakbaşı Yutma Değerlendirmesi, Klinik Yutma Değerlendirmesi, YFTT/EAT-10, Mini Mental Durum Testi, ALSFDS, SET ve Praat kullanılmıştır. Terapi programı oral motor becerileri geliştirmeyi, ses kalitesini ve konuşma anlaşılırlığını arttırmayı amaçlamıştır. Bulgular: Müdahale sonrası oral motor becerilerde artış, bolus kontrolünde ve yutma becerisinde iyileşme, YFTT puanında düşüş, sesin akustik özelliklerinde norm değerlere yaklaşma ve konuşma anlaşılırlığında artış gözlenmiştir. Sonuç: ALS tanılı hastada konuşma terapisinin yutma ve konuşma becerileri üzerindeki olumlu etkileri olduğu görülmüştür. Daha fazla sayıda olguyu içeren uzun süreli çalışmaların ALS’de konuşma terapisi müdahalesinin etkililiğini kanıtlayacağı düşünülmektedir.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0220,019

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 Opus0,026
Tête enseignante GPT0,283
Écart entre enseignants0,258 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHacettepe Üniversitesi Sağlık Bilimleri Fakültesi DergisiMême sujetAmyotrophic Lateral Sclerosis ResearchTravaux en français237 207