Computer- and Smart-Tablet-Based Self-Administered Treatments in Chronic Post-Stroke Aphasia: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: In current clinical practice, resources remain limited and are insufficient to address the needs of people with chronic post-stroke aphasia. To improve access to speech therapy, self-administered therapies using computers or smart tablets are increasingly recommended. In addition to enabling more intensive and prolonged treatment, computer- and smart-tablet-delivered therapies can be highly enjoyable and motivating for patients. AIMS: This systematic review aimed to identify computer- and smart-tablet-based self-administered treatments and analyze the proposed interventions in terms of treatment targets, effectiveness (considering specificity, generalization, transfer, and maintenance), and clinician involvement (during and/or prior self-administered therapies). METHODS: Terms encompassing three main concepts (rehabilitation, self-administration, and aphasia) were used to search three electronic databases (Scopus, PubMed, and PsycINFO). Two reviewers independently screened titles and abstracts against eligibility criteria. Data extraction of included studies was completed by three reviewers. RESULTS: = 24), but the existence of promising studies for other disorders means that the targets can be broadened. Therapies are effective for trained items, and gains are maintained. There is some evidence of transfer effects for treatments targeting the sentence level. Most studies offer training sessions, previous self-administered therapy, and/or observation and monitoring sessions during therapy; more rarely, self-administered therapy is supplemented with face-to-face therapy. CONCLUSIONS: This systematic review is the first to focus specifically on self-administered technology-based therapies. It provides important evidence-based information for clinical practice in self-administered therapies via computer or smart tablet.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».