Factores neurocognitivos en la respuesta a la intervención EdTech

El objetivo general de esta propuesta es abordar las limitaciones inherentes a los enfoques correctivos actuales utilizados en la discapacidad de lectura (RD). Específicamente, los experimentadores tienen como objetivo evaluar la efectividad de una intervención basada en tecnología para niños con RD, mediante un ensayo controlado aleatorio. Naturaleza del Problema. La discapacidad de lectura (RD) es la discapacidad de aprendizaje más común y afecta al 10 - 15% de los niños en edad escolar. Incurre en importantes deficiencias funcionales en todas las etapas de la vida. Una gran cantidad de datos documenta las desventajas de por vida en el logro educativo y ocupacional. De manera problemática, las intervenciones actuales de lectura basadas en evidencia dependen en gran medida de los servicios de especialistas capacitados, ya sea en aulas con buenos recursos o en entornos clínicos. Como tal, las escuelas (o países) con escasos recursos a menudo no pueden proporcionar intervenciones de lectura para sus estudiantes. Esta situación potencialmente trágica ha fomentado el proyecto propuesto que tiene como objetivo evaluar un tratamiento asequible, prometedor y basado en tecnología, que tiene dos ventajas, la de ser domiciliario y, también, la de implementarse sin la supervisión directa de expertos, minimizando así los recursos. demandas. Estudios recientes han respaldado la eficacia de las intervenciones de lectura basadas en tecnología, particularmente GraphoLearn, que se enfoca en enseñar habilidades fonológicas y la correspondencia entre letras y sonidos, aunque con una variación notable en el tamaño del efecto. Como se destacó en un metanálisis reciente, los tamaños de las muestras tienden a ser pequeños y existe una marcada variación en los componentes metodológicos clave entre los estudios, particularmente la dosis del juego (que está muy por debajo de las recomendaciones de los expertos en la mayoría de los estudios), el grupo de control (p. ej., activo versus pasivo) y el nivel de participación de los adultos en la administración. Lo más relevante es que la utilidad de GraphoLearn no se ha examinado adecuadamente fuera de los límites de los entornos escolares controlados, por lo que no informa sobre el valor de la administración del hogar, la principal característica positiva de GraphoLearn. Del mismo modo, no se exploran los posibles predictores de resultados negativos para la administración en el hogar (por ejemplo, el cumplimiento de la dosis de juego prescrita, que, como se señaló en nuestros datos preliminares, puede variar).

Descripción general del Objetivo 1. El proyecto propuesto aborda las limitaciones inherentes a las intervenciones correctivas mediante la implementación de un ensayo controlado aleatorio (ECA) a gran escala de GraphoLearn administrado en el hogar en 450 niños con RD (niños y niñas, de 6 a 10 años). Para lograr este objetivo rápidamente y con un costo mínimo, los experimentadores reclutarán participantes inscritos en Healthy Brain Network [HBN], un estudio en curso sobre salud mental y trastornos del aprendizaje en niños de 5 a 21 años de edad. cuya familia tiene preocupaciones sobre el comportamiento y/o el aprendizaje (objetivo n = 10,000; actual n = 3000+). El HBN incluye caracterizaciones integrales psiquiátricas, cognitivas, de EEG y de resonancia magnética multimodal para todos los participantes, lo que proporciona al estudio propuesto abundantes datos descriptivos. Las discapacidades de lectura se identificarán mediante TOWRE (puntaje estándar <85). Los niños serán asignados a un programa de GraphoLearn de 12 semanas/20 horas o una condición de control "activa", grupo emparejado por CI y nivel de lectura. El control consistirá en un juego matemático, de estilo similar a GraphoLearn, para controlar los efectos no específicos de la intervención, como el tiempo dedicado al programa, la atención y otros factores. A los niños asignados al azar al grupo de control se les ofrecerá GraphoLearn después del estudio debido a consideraciones éticas. De acuerdo con las condiciones del mundo real, se permitirán intervenciones no relacionadas con el estudio durante el transcurso del período de estudio. Se documentarán para una descripción completa de la muestra y para el análisis de predictores de respuesta (Objetivo 2).

Objetivo 1: Evaluar la eficacia de GraphoLearn en una muestra amplia de niños con ER. El nivel de lectura de los niños se evaluará antes, durante (semana 6) y al final del estudio activo (semana 12). Los efectos extendidos se evaluarán 12 semanas después del tratamiento (semana 24). Los experimentadores plantean la hipótesis de diferencias estadísticamente significativas en el nivel de lectura a favor del grupo GraphoLearn sobre el grupo de control en las semanas 12 y 24. Si se respalda la hipótesis, tendrá implicaciones importantes para la salud pública de los niños con RD (no se afirma que el programa sustituirá a la rehabilitación de lectura individualizada y supervisada por expertos).

Descripción general del objetivo 2. La identificación de los factores a nivel del participante y del entorno que predicen la respuesta al tratamiento es un objetivo de actualidad importante, pero GraphoLearn no lo ha considerado. Para las intervenciones basadas en especialistas, un hallazgo consistente es que los niños mayores y los niños con problemas cognitivos o del lenguaje tienen menos probabilidades de beneficiarse. Aquí, los experimentadores aprovechan la diversidad de presentaciones clínicas comórbidas entre lectores deficientes en HBN para identificar predictores putativos de la respuesta al tratamiento. De acuerdo con estudios recientes que sugieren el valor agregado de las características basadas en el cerebro para la predicción de los resultados de la intervención, los experimentadores también aprovechan la disponibilidad de datos anatómicos de resonancia magnética en el desarrollo de modelos predictivos.

Objetivo 2. Identificar los factores relacionados con los participantes y a nivel del entorno que están significativamente asociados con los resultados de GraphoLearn. Las extensas caracterizaciones fenotípicas y de imágenes incluidas en la muestra de HBN son especialmente adecuadas para explorar un amplio conjunto de factores ambientales y de los participantes que pueden predecir los resultados del tratamiento. Se utilizarán modelos de regresión de bosque aleatorio para predecir las diferencias en la respuesta a la intervención de GraphoLearn, en función de un conjunto a priori de variables demográficas, cognitivas, emocionales, cerebrales y ambientales del hogar de referencia. Suponiendo que el cumplimiento (es decir, el tiempo real dedicado a jugar GraphoLearn en relación con el prescrito) se considera un fuerte predictor de respuesta, los análisis exploratorios también observarán predictores de cumplimiento para aumentar aún más el valor real del trabajo propuesto.