Application de la thérapie Personalized Observation Execution and Mental imagery (POEM) auprès d’un participant aphasique bilingue à partir de la création d’un matériel en langue franco-française.
Bibliographic record
Abstract
L’anomie est le signe pathognomonique de l’aphasie, trouble du langage acquis suite à une lésion cérébrale. Malgré la place centrale qu’occupe le verbe dans la phrase, la majeure partie des études présentes dans la littérature ciblent la récupération de l’anomie des noms, mais très peu abordent celle des verbes. Ancrée dans la théorie de la Cognition Incarnée et Située et bénéficiant du système des neurones miroirs, l’étude de Durand et al. (2018) a proposé un nouveau protocole nommé POEM (Personalized Observation, Execution and Mental Imagery) visant la récupération des verbes en combinant pour la première fois trois stratégies sensorimotrices : l’observation, l’exécution d’action et l’imagerie mentale. Dans cet article, nous présentons une étude d’un cas clinique avec l’adaptation de cette thérapie auprès d’un participant présentant une aphasie bilingue avec anomie des verbes. Suite à la création d’un matériel pour la langue franco-française (le matériel d’origine étant étalonné en français du Québec), la thérapie POEM est administrée en suivant les principes de la pratique basée sur les données probantes. Dans un second temps, les adaptations réalisées en regard du bilinguisme de ce participant seront présentées, ce point étant particulièrement pertinent à considérer dans le cadre de la globalisation, augmentant la possibilité de suivre en soins en orthophonie des personnes bilingues. D’une part, l’analyse des résultats de validation du matériel auprès d’une population contrôle de 95 participants neurotypiques a montré qu’elle était appariée avec la population française générale et confirme des résultats existant dans la littérature. Ce processus nous a permis de valider 96 vidéos sur les 125 présentées. D’autre part, les résultats relatifs au protocole expérimental auprès du patient ont montré des améliorations sur les items traités, sur les items non traités et à différents niveaux de traitement, ce qui confirme les résultats de Durand et al. (2018) et ouvre la voie vers l’étude de la récupération des verbes chez des participants bilingues grâce à une thérapie utilisant une combinaison de stratégies sensorimotrices en vue de faciliter la dénomination, mettant en relief les liens existants entre motricité et langage.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".