Training volunteers to support a tablet-based aphasia program with inpatients in a stroke rehabilitation unit: A win–win situation
Notice bibliographique
Résumé
Meeting rehabilitation intensity goals in an inpatient stroke rehabilitation unit is a constant challenge due to staffing and budget constraints, a situation further exacerbated by the COVID-19 pandemic. To bridge the gap, speech-language pathologists often provide independent practice (traditionally paper and pen exercises and more recently tablet-based); however, patients can have trouble completing these programs independently. Caregivers can help but may be overwhelmed during the inpatient rehabilitation process. In this case study, we enlisted student volunteers from a local health-related program to offer individualized supplemental tablet-based aphasia practice as an adjunct to standard therapy with a speech-language pathologist for people with aphasia. Five adults with aphasia (2 women and 3 men; aged 37 to 80, mean age 58.2) were admitted to an inpatient stroke rehabilitation unit and received supervised sessions during off-therapy hours. Participants attended 57/62 (91.9%) of available sessions, ranging from 5 to 24 sessions per participant. Mean session duration per participant ranged from 56 to 92 minutes. All student volunteers remained engaged over 5 months with no attrition. This program shows that volunteers can support the delivery of a tablet-based program as an adjunct to conventional aphasia therapy to boost rehabilitation intensity during an inpatient stroke rehabilitation admission. [198 words].
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».