Utiliser un nouveau traitement du discours pour améliorer la communication chez les personnes aphasiques


Crédit : Pixabay/CC0 Domaine public

L'aphasie est une maladie qui touche un quart des survivants d'un AVC. Cela altère les capacités de communication, notamment parler, écouter, lire et écrire. L'aphasie peut avoir un impact profond sur les relations sociales, l'emploi et la qualité de vie en général.

Dans la pratique actuelle au Royaume-Uni, 90 % des orthophonistes reconnaissent l’importance de l’évaluation et du traitement du discours. Cependant, ils sont confrontés à des obstacles considérables tels que des ressources, du temps et une expertise limités. Répondant à ce besoin critique, l'intervention Language Underpins Narrative in Aphasia (LUNA) utilisée dans l'étude propose une approche à plusieurs niveaux ciblant les mots, les phrases et la macrostructure du discours à travers des récits personnalisés. Cela correspond plus étroitement aux besoins de communication réels.

L'étude, dirigée par les professeurs Madeline Cruice et Lucy Dipper du Centre de recherche en sciences du langage et de la communication de City, a impliqué 28 participants souffrant d'aphasie chronique, répartis à parts égales en groupes de traitement immédiat et de traitement différé (contrôle). Le traitement était structuré en 20 séances réparties sur 10 semaines, chacune d'une durée d'une heure. Les séances ont été menées via Zoom, rendant la thérapie accessible pendant la pandémie de COVID-19.

Le traitement LUNA s'est concentré sur les monologues narratifs personnels, aidant les participants à reconstruire les récits qu'ils ont choisis grâce à des exercices de langage structurés ciblant les mots, les expressions, les phrases et les macrostructures du discours.

Diagramme de flux des participants. Crédit: PLOS UN (2024). DOI : 10.1371/journal.pone.0304385

Il a été constaté que LUNA a amélioré les capacités narratives des participants ayant reçu le traitement par rapport au groupe témoin. Des améliorations ont également été constatées en termes de fonctionnement du langage et d’humeur. Ces résultats soulignent le potentiel de LUNA pour améliorer efficacement les compétences de communication des patients aphasiques. L'étude a été publiée dans la revue PLoS Un.

Le professeur Dipper, professeur de linguistique clinique, a déclaré : « Les approches thérapeutiques traditionnelles se concentrent souvent sur les traitements au niveau des mots et des phrases, mais LUNA représente un changement dans le traitement de l'aphasie pour s'aligner plus étroitement sur les besoins de communication réels. »

Le professeur Cruice, professeur de réadaptation et de rétablissement de l'aphasie, a déclaré : « Nos résultats démontrent le potentiel des interventions basées sur le récit pour faire une réelle différence dans la vie des personnes aphasiques. Nous espérons que cette étude encouragera la poursuite des recherches et l'adoption de thérapies axées sur le discours. , conduisant finalement à des pratiques de réadaptation plus holistiques et efficaces.

Plus d'information:
Lucy Dipper et al, Un essai de faisabilité contrôlé par liste d'attente randomisée d'un traitement linguistique personnalisé à plusieurs niveaux pour les personnes aphasiques : l'étude LUNA à distance, PLOS UN (2024). DOI : 10.1371/journal.pone.0304385

Fourni par la City University de Londres

Citation: Utilisation d'un nouveau traitement du discours pour améliorer la communication chez les personnes aphasiques (17 juin 2024) récupéré le 17 juin 2024 sur

Ce document est soumis au droit d'auteur. En dehors de toute utilisation équitable à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.



Related posts

L’analyse révèle que la plupart des LLM majeurs en open source et en source fermée ont tendance à pencher à gauche lorsqu’on leur pose des questions à forte connotation politique

Une étude examine la contagion du suicide après le décès de célébrités, ouvrant des pistes de prévention

Sonder la capture du carbone, atome par atome, avec un modèle d’apprentissage automatique