MedElevator
Войти в исследования Дисартрийская оценка у многих пациентов склероза.
Аннотация
СПРАВОЧНАЯ ИНФОРМАЦИЯ: Характеристики речи в множестве склерозов (МС) плохо описаны. Такое программное обеспечение, как Dysarthria Analyzer (DA), проводит подробный анализ речи.
ЦЕЛЬ
Цель исследования заключается в 1) изучении речевых особенностей пациентов с MS и 2) изучении корреляции между речевыми характеристиками и демографическими характеристиками клиники.
МЕТОДЫ
Пациенты прошли клиническую оценку (расширенная шкала инвалидности (EDSS) и короткую международную когнитивную оценку множественного склероза (BICAMS)) и речевую оценку с использованием DA. Каждый пациент выполнял 6 голосовых заданий: телефон A, телефон I, чтение, монолог, быстрые слоги повторяются. Окружной прокурор вытащил 23 речевых профилей как возрастные, гендерные и скорректированные на образование z-ссылки против здорового контроля. Был проведен анализ основных компонентов. Корреляции между компонентами и демографическими характеристиками клиники оценивались на основе поэтапного анализа.
Результаты
Мы зачислили 72 пациента (50 женщин; средний возраст 48,1 ± 10,9 года; средний показатель по СОДС составляет 3 (1,5-6,5). Анализ основных компонентов (PCA) выявил 7-компонентную модель: Голосовая активность, изменение громкости голоса, координация работы двигателя, речь диадохокинеза, скорость речи, сила голоса, громкость речи. Повышение EDS связано с худшей переменой громкости голоса (r = -0,23; p = 0,05), скорости речи (r = -0,40; p = 0,001) и громкости речи (r = -0,23; p = 0,05). Прогрессивные пациенты MS продемонстрировали худшее изменение громкости голоса (coeff. = -1.20; p = 0,002). Хужее когнитивное функционирование соотносится с более низкой скоростью речи (coeff. = -0,38; p = 0,02).
Заключение
Подробный анализ речи может выявить полезную клиническую информацию о физической и когнитивной неполноценности в MS, которая, возможно, представляет собой дополнительный инструмент для оценки инвалидности.
Название и аннотация на языке оригинала
Dysarthria assessment in multiple sclerosis patients.
BACKGROUND
Speech patterns in multiple sclerosis (MS) are poorly characterized. Software such as Dysarthria Analyzer (DA) performs a detailed speech analysis.
OBJECTIVE
The objective of the study is (1) to explore speech features in patients with MS and (2) to investigate correlations between speech features and clinic-demographic characteristics.
METHODS
Patients underwent clinical assessments (Expanded Disability Status Scale (EDSS) and Brief International Cognitive Assessment for Multiple Sclerosis (BICAMS)) and speech evaluation using the DA. Each patient performed 6 vocal tasks: phonation A, phonation I, reading, monologue, fast syllables repetitions. The DA extracted 23 speech features as age-, gender-, and education-adjusted z-scores against healthy controls. A principal component analysis was conducted. Correlations between the components and clinic-demographic features were assessed through stepwise analysis.
RESULTS
We enrolled 72 patients (50 females; mean age 48.1 ± 10.9 years; median EDSS of 3 (1.5-6.5)). Principal component analysis (PCA) identified a 7-component model: Voice Intensity, Voice Intensity Variation, Motor Coordination, Speech Diadochokinesis, Speech Speed, Voice Strength, Speech Latency. Higher EDSS is associated with worse Voice Intensity Variation (r = -0.23; p = 0.05), Speech Speed (r = -0.40; p = 0.001) and Speech Latency (r = -0.23; p = 0.05). Progressive MS patients showed worse Voice Intensity Variation (coeff. = -1.20; p = 0.002). Worse cognitive functioning correlated with worse Speech Speed (coeff. = -0.38; p = 0.02).
CONCLUSION
Detailed speech analysis can reveal useful clinical information about physical and cognitive disability in MS possibly representing an additional tool to assess disability.
Предметные рубрики MeSH
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.