A systematic review of Phonological Components Analysis therapy studies for aphasia
Notice bibliographique
Résumé
Among the wide range of anomia treatments for persons with aphasia (PWA), Phonological Components Analysis (PCA) is a well-known alternative. A systematic review of PCA efficacy studies for PWA was conducted to extract treatment-related and participant-related characteristics, to synthesise immediate and long-term outcomes and to assess the methodological quality of PCA studies (PROSPERO pre-registration CRD42024552047). Experimental studies on adults with post-stroke aphasia focusing on the efficacy of PCA published in English were included. Studies combining PCA with other treatment approaches, involving people with neurodegenerative disorders, without efficacy measures, or in dissertations, theses, and conference papers were excluded. The EBSCOhost platform and citations of the original PCA paper were last searched in November 2024. In total, thirteen studies were selected involving 89 PWA. Participants were at least 6 months post-stroke, and 75 % of them presented with Broca's or anomic aphasia. The quality of PCA efficacy studies was relatively high according to the Single Case Experimental Design scale (mean 8.6 ± 1.0, range 7-10). Picture naming improved to reach at least a small effect size in 74 % of PWA (58/85) for trained items immediately after PCA and in 55 % of PWA (38/71) in the maintenance phase. Generalisation to untrained items occurred in 37 % of participants (22/59). Overall, PCA led to positive outcomes in the majority of PWA, which were often item-specific. As experimental designs were highly heterogeneous, further research is needed to better understand the optimal target population for PCA, the ideal dosage distribution, the key ingredients driving the improvement, and their neural correlates.
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 | 0,005 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».