MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406224393 · doi:10.1002/alz.093450

International Practices of Speech‐Language Pathologists Working with Bilingual Speakers with Primary Progressive Aphasia

2024· article· en· W4406224393 sur OpenAlexaff
Stephanie M. Grasso, Jeanne Gallée, Jade Cartwright, Regina Jokel, Monica Lavoie, Ellen McGowan, Margaret Pozzebon, Bárbara Costa Beber, Guillaume Duboisdindien, Núria Montagut, Monica Norvik, Taiki Sugimoto, Rosemary Townsend, Nina Unger, Ingvild E. Wisnes E. Wisnes, Anna Volkmer

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensUniversité LavalBaycrest Hospital
Organismes subventionnairesnon disponible
Mots-clésPrimary progressive aphasiaLinguisticsAphasiaPsychologyNeuroscience of multilingualismAphasiologyAudiologyMedicineCognitive psychologyNeuroscienceDiseasePathologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract Background Although primary progressive aphasia (PPA) is considered a rarer form of dementia, individuals living with PPA are increasingly identified by healthcare professionals. Research investigating speech‐language assessment and intervention in PPA has been conducted primarily in monolingual speakers and little is known about clinical decision‐making of speech‐language pathologists (SLPs) working with bilinguals with PPA. Methods A comprehensive survey containing questions regarding clinician confidence, prioritization, and ratings of basic competency for Volkmer, Cartwright, Ruggero et al.’s (2023) best practice principles was constructed with questions that also queried practices pertaining to working with bilingual populations. Data was collected anonymously, via the Qualtrics survey platform and the survey was disseminated via social media and through social networks of study team members. Results A total of 185 participants responded with representation from 27 countries. In total, bilingual participants spoke a total of 39 different languages. The average number of languages spoken by respondents was 1.86 (SD = 1.08). Twenty‐three percent of respondents reported that they provided clinical services bilingually and 28% identified as bicultural. Respondents indicated that coursework in their training to become SLPs related to bilingual neurogenic communication disorders was covered for less than two hours (39%), less than five hours (33%), or more than five hours (28%). The majority of respondents indicated that they sometimes or typically worked with an interpreter or translator for conducting bilingual assessments (43%) or performed them independently (18%). When asked which language respondents typically assess participants in, 5% indicated the maternal language, 39% indicated the dominant/most functional language(s), and 54% indicated the language(s) the clinician felt comfortable speaking. Conclusion This study reports, for the first time, the practices of speech‐language pathologists working with bilingual speakers with PPA. Results indicate that SLPs are likely to receive some exposure to bilingual adult neurogenic communication disorders in their training. SLPs are more likely to assess bilingual individuals with PPA in the languages clinicians speak, or in the participant’s most functional/dominant language(s). Additional international forums are needed to extend core principles and philosophies of SLP practices, particularly when individuals living with PPA speak more than one language.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,008
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,049
Tête enseignante GPT0,326
Écart entre enseignants0,277 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetNeurobiology of Language and Bilingualism→Travaux en français237 207→