The Use of Neurologic Music Therapy in Post-Stroke Aphasia Recovery: A Case Report on Linguistic Improvements and fMRI Correlates
Notice bibliographique
Résumé
Background and Objectives: Post-stroke aphasia (PSA) severely limits communication and quality of life. This case study explores the impact of an integrated Neurologic Music Therapy (NMT) approach, combining Melodic Intonation Therapy (MIT) and Therapeutic Singing (TS), on language recovery and brain reorganization in a 59-year-old woman with non-fluent motor aphasia following an ischemic stroke. Methods: Over 8 weeks, the patient underwent 24 sessions of MIT alongside standard speech therapy. Language abilities were assessed using the Western Aphasia Battery-Revised, while fMRI scans captured neurophysiological changes pre- and post-intervention. Results: The results showed significant language improvements: spontaneous speech increased by 68.9%, auditory comprehension by 30.8%, and naming by 83.3%. The Aphasia Quotient rose from 39.3 to 61.4, marking a shift from severe to moderate aphasia. Neuroimaging revealed heightened activation in both hemispheres, especially in the superior frontal and parietal regions, supplementary motor area, and superior temporal gyrus. Increased engagement of the limbic system, particularly the paracingulate gyrus, pointed to emotional involvement and widespread cortical reorganization. Conclusions: These findings highlight the effectiveness of integrating MIT and TS with emotionally meaningful music, supporting language recovery and neural plasticity in PSA.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».