Music‐based interventions for nonfluent aphasia: A systematic review of randomized control trials
Notice bibliographique
Résumé
Music-based interventions (MBIs) offer promising strategies for addressing speech-language impairments in individuals with nonfluent aphasia. This systematic review summarizes the current literature of MBIs for nonfluent aphasia recovery by types of MBIs to determine the efficacy of MBIs and assesses the risk of bias to identify common methodological limitations. A systematic search was conducted of MEDLINE, PubMed, and APA PsycInfo for the 20 years preceding July 2024. Risk of bias assessment was performed using the revised Joanna Briggs Institute critical appraisal tool for randomized controlled trials (RCTs). Ten RCTs met the inclusion criteria, featuring MBIs such as Melodic Intonation Therapy, Modified Melodic Intonation Therapy, and singing-based approaches. The results highlighted the potential of MBIs in various domains, particularly in enhancing repetition and naming abilities, even when compared to speech therapy. The reviewed studies exhibited a moderate to high risk of bias. Outcome measures varied widely, and functional communication, a critical rehabilitation goal, was examined in just two RCTs. Furthermore, heterogeneous control conditions and statistical methods hindered meaningful comparisons across studies. Future research should prioritize functional communication outcomes and refine intervention protocols to strengthen the evidence base. Addressing these gaps is essential for advancing the potential benefits of these clinical tools for nonfluent aphasia recovery.
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 | 0,012 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».