Assessment of cognition in aphasia: Perspectives from clinicians and researchers
Notice bibliographique
Résumé
People with aphasia may present with cognitive impairments beyond language. In this population, reliance on language-based assessments of cognition may lead to unreliable metrics of cognitive performance across clinical and research settings. We investigated the underlying philosophy and practice of assessing cognition in people with aphasia. An e-survey was developed for multidisciplinary clinicians and researchers. Snowball sampling was used to recruit international participants. The e-survey comprised 29 items (a mix of multiple-choice and open-ended items) addressing definitions of cognition, assessment of cognition, tools used to assess cognition and participant demographics. Data were analysed using descriptive statistics and thematic analysis. 291 respondents participated from a range of disciplines and countries. Over 80% of respondents considered it important to assess attention, executive functions, learning and memory. The main barrier to assessment was the lack of appropriate tools available for people with aphasia. Responses indicated that whilst professionals felt that understanding the interaction between language and cognition in aphasia was important for providing optimal care. This study highlights the need for better awareness and training in the assessment of cognition in people with aphasia, and for psychometrically robust assessments, appropriate for the assessment of cognition in the presence of aphasia.
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 | 0,104 | 0,161 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».