Tratación de déficit de conocimiento de la estructura pasiva en niños en edad escolar con trastorno del lenguaje del desarrollo (DLDTreatment)

Objetivos

Para las habilidades lingüísticas de desarrollo posterior, incluidas las que involucran formas de oraciones complejas, no solo hay muy pocos estudios de tratamiento, sino que los tamaños de efectos para los pocos que existen son bastante modestos. Los investigadores proponen que los resultados del tratamiento excepcional pueden atribuirse a dos cuestiones: 1) la dependencia de los métodos de tratamiento que se desarrollaron principalmente para los preescolares y que se encuentran en el fin más explícito de una continua implícita a explícita continua y 2) tratamientos que ignoran el mapeo de los roles semánticos a las cotorizaciones principales que expresan la relación de los agentes de agente. Los investigadores plantean la hipótesis de que los métodos de tratamiento explícitos en los que se les enseña a los niños a aplicar conscientemente una regla de mapeo semántico simple dará como resultado un fuerte rendimiento en el tratamiento, pero a costa de desarrollar representaciones mentales implícitas de mapeo semántico sintáctico necesario para aplicar automáticamente e inconscientemente este conocimiento a los contextos lingüísticos no entrenados. Los investigadores probarán esta hipótesis general mediante el uso de métodos de intervención implícitos y explícitos en dos estudios de tratamiento. Dos ensayos clínicos aleatorios, un dirigido a oraciones relativas de objeto sujeto y las otras oraciones pasivas dirigidas, probarán el grado en que los resultados para los enfoques de terapia implícitos y explícitos se replican en diferentes estructuras sintácticas. Es importante destacar que los investigadores mantendrán aspectos críticos del tratamiento (por ejemplo, número de dosis, duración de la sesión y espaciado) y parámetros de estímulo constantes a través de los métodos de tratamiento para aislar los efectos a las diferencias en el método de tratamiento. Finalmente, se evaluará la relevancia clínica de la relación previamente modelada entre la comprensión compleja de las oraciones y la memoria en el contexto de los resultados del tratamiento que se dirigirán a estos tipos de oraciones. Los dos objetivos generales son:

Objetivo 1. Determinar si los tratamientos explícitos e implícitos mejorarán el conocimiento y el uso de oraciones complejos en niños de 8 a 11 años con DLD.

Hipótesis 1a. Ambos tratamientos serán superiores a ningún tratamiento. Hipótesis 1b. Los niños que reciben el tratamiento explícito funcionarán bien en una medida de resultado proximal que está estructurada de manera similar al formato de tratamiento explícito, pero relativamente mal en las medidas de resultado distales del conocimiento del lenguaje que requieren una fuerte representación mental de la forma sintáctica. Los niños que reciben el tratamiento implícito mostrarán el patrón opuesto de los resultados.

Hipótesis 1c. El cambio en la representación mental para la plantilla sintáctica afectará la capacidad de los niños para generalizar la forma de oración entrenada en un contexto narrativo. Hipótesis 1d. La edad del niño, el SES y la gravedad general del idioma, pero no el sexo, afectarán los resultados.

Objetivo 2. Proporcionar una prueba experimental importante de los componentes causales del modelo de comprensión de oración mediador propuesto.

Hipótesis 2a. El grado de éxito en el tratamiento predecirá la capacidad de fragmentar palabras dentro de las cláusulas.

Hipótesis 2b. La memoria de trabajo mediará el efecto del tratamiento en el conocimiento y el uso de resultados que controlan el vocabulario y la comprensión de las oraciones de pretratamiento.

Método La esencia de este proyecto de ensayos clínicos es comparar la efectividad relativa de dos tratamientos para mejorar el conocimiento sintáctico de la estructura pasiva de los niños con DLD. Los niños recibirán uno de los dos tratamientos (implícitos, explícitos) para mejorar el conocimiento. Los niños serán asignados aleatoriamente a la condición de tratamiento implícito o a la condición de tratamiento explícito y al tratamiento inmediato o al tratamiento retrasado. Los niños completarán cuatro medidas de resultado (ver más abajo) antes del tratamiento y dos veces después del tratamiento, inmediatamente y cinco semanas después. Participantes. Un total de 150 niños de 8 años; 0 - 11; 11 con DLD se inscribirán en este estudio de oración pasiva. Los niños vendrán de escuelas públicas, privadas y charter alrededor de Atenas Ohio, Cache County Utah, Tucson Arizona y Morgantown, West Virginia. Todos los niños demostrarán deterioro del lenguaje pero un coeficiente intelectual no verbal de rango normal, así como audición y visión o visión corregida; También deben ser hablantes nativos de inglés. Antes de las pruebas de lenguaje estandarizadas, los niños completarán una tarea de comprensión de oraciones y una tarea de fragmentación de oraciones para determinar si los participantes muestran un déficit en el conocimiento de la estructura pasiva dirigida al tratamiento. Los participantes deben realizar <50% correcto en una o ambas medidas de detección para pasar a pruebas de lenguaje formal. Los criterios inclusivos y de exclusión aparecen en otros lugares.

Medidas de resultado. Se administrarán cinco medidas de resultado antes del inicio de la intervención. Las mismas medidas se volverán a administrar antes del inicio del tratamiento para los niños asignados al grupo de tratamiento retrasado. Las medidas también se administrarán dos veces después del tratamiento, inmediatamente y 5 semanas después.

Tratos. Hay 2 tratamientos, implícitos y explícitos. Los niños recibirán solo uno de los tratamientos. En ambos tratamientos, se utilizarán las mismas imágenes y las oraciones que se han preparado para el tratamiento de la estructura pasiva se han remodelado en elementos relativos de objetos, creando así oraciones en los dos tratamientos que contienen las mismas palabras. El mismo número de exposiciones se entregará a los niños en cada tratamiento. Cada tratamiento incluye 20 sesiones de capacitación (20 elementos de capacitación por sesión) entregadas durante 10 semanas. Como resultado, ambos tratamientos ofrecerán exposición de alta densidad (n = 800) a un patrón de oración dirigido. Tratamiento implícito. El tratamiento implícito es una aplicación completamente novedosa de técnicas de refundición conversacionales para la sintaxis compleja. La refundición ha sido exitosa para tratar los déficits de morfología. El método también se ha utilizado con éxito para aumentar la producción de cláusulas relativas, proporcionando prueba de concepto para este enfoque. El enfoque utiliza el modelado de clínicos (es decir, una prima sintáctica) a través de la refundición enfocada. La refundición enfocada implica provocar expresiones infantiles que obligan al uso de una forma gramatical objetivo seguida inmediatamente por un modelo médico que corrige cualquier elemento incorrecto. Los refundidos también pueden seguir las expresiones correctas de los niños, confirmando su gramaticalidad. La refundición no incluye instrucción explícita o retroalimentación que no sea el refundir. En cada ensayo, los niños ven una imagen inicial y ~ 2 más tarde escuchan una sentencia clínica. A continuación, se presenta una segunda imagen y luego ~ 2 más tarde, el examinador dice: "Ahora me cuentas sobre el [sustantivo] (paciente)". El aviso enfoca la atención del niño en el paciente para que lo obligue a producirlo como la primera frase nominal. Cada intento de niño es seguido por un refundido clínico. El refundir sirve como una segunda exposición importante a la estructura objetivo que el niño está aprendiendo. Tratamiento explícito. En los enfoques de intervención de enseñanza explícita, los niños reciben explicaciones de las reglas que rigen la estructura del idioma (por ejemplo, "cuando hay dos de algo, se pone en el final un [s] al final de la palabra (" Un libro, dos libros "),,,,,,,,,), Emplee la retroalimentación explícita después de las respuestas infantiles, y a menudo use formatos de taladro. Los médicos tienden a incumplir los tratamientos que caen en el extremo explícito del continuo implícito-explícito, particularmente con los niños en edad escolar. Como tal, se les pide a los niños que recuerden las reglas que rigen el uso del lenguaje y los aplican en el tratamiento, en lugar de construir implícitamente representaciones mentales sobre las exposiciones repetidas como se usa en enfoques implícitos. En el enfoque explícito propuesto, los investigadores proporcionan repetidamente una regla simple, presentada auditoriamente, que representa el mapeo semántico de agente y paciente/receptor a sus sustantivos apropiados. Las imágenes se utilizan para proporcionar el contexto semántico para la oración, un factor ausente en otros tratamientos. Este enfoque vincula el formulario de oraciones con el significado en lugar de las formas e íconos. Al igual que otros tratamientos explícitos, los investigadores enseñarán explícitamente la regla de que asigna roles semánticos a elementos sintácticos (sustantivos), y los niños deben recordar y aplicar la regla de mapeo.

Administración de tareas Fidelidad y confiabilidad. Todo el personal del proyecto en cada sitio de rendimiento ha sido (y continuará) capacitado en la administración fiel de todas las medidas (pruebas de entrada estandarizadas, medidas de detección, medidas de resultado, tratamientos). Los videos de capacitación sobre la administración y la puntuación de todas las medidas han sido preparados y vistos por todo el personal que trabajará con los niños. Además, la administración simulada y la puntuación de todas las medidas se han realizado con todo el personal en cada sitio. Además, los mismos videos y ejercicios de capacitación se repetirán tres veces al año para garantizar una alta fidelidad y confiabilidad en todo el personal. Se evaluará la fiabilidad de la fidelidad de la administración de tareas y la calificación del protocolo para todas las medidas de detección y las medidas de resultado para todos los participantes. Esto incluye un observador independiente que ve el examinador que administra las diversas medidas en vivo o del video de la sesión para garantizar que el examinador haya administrado cada medida exactamente como se ha prescrito en la hoja de protocolo. Cualquier desviación del protocolo se observará en la forma de fidelidad. Se calculará un valor porcentual para "desviaciones sustantivas" y "desviaciones no sustantivas" (por ejemplo, cambio o adición de palabras menores). Si las desviaciones sustantivas son> 10%, los examinadores se someterán a capacitación adicional para la administración de tareas. Del mismo modo, la fiabilidad de la puntuación del examinador de cada medida será calculada por un observador independiente. Si la confiabilidad de puntuación de los examinadores es <90%, se someterán a una capacitación adicional para la puntuación de tareas. La fidelidad de la administración de tratamiento también se evaluará para el 25% de las sesiones de capacitación de todos los participantes. Además, la confiabilidad de los examinadores en la puntuación de todos los participantes se evaluará durante el 25% de las sesiones. Los examinadores que muestran la fidelidad de la administración que contiene más del 10% de desviación y/o puntuación de confiabilidad por debajo del 95% se someterá a capacitación adicional para la administración y la puntuación de los tratamientos. Cabe señalar que los examinadores que entregan los tratamientos serán diferentes de los examinadores que administran las medidas estandarizadas y de resultado. Además, los proveedores de tratamiento y los "evaluadores" serán ciegos entre sí, es decir, los evaluadores serán ciegos a los resultados del tratamiento y los proveedores de tratamiento serán ciegos al desempeño de los participantes en las medidas de resultado.

Confiabilidad de entrada de datos en todos los sitios. Se ha creado una hoja maestra de Xcel para ser utilizada en todos los sitios de rendimiento centrados en la entrada confiable de todos los datos de los participantes en nuestra base de datos de acceso maestro que contiene los puntajes estandarizados/ de detección de todos los participantes, puntajes en medidas de resultado y puntajes para todo el rendimiento del tratamiento con el tratamiento en la sesión. El XCEL para cada sitio contiene columnas para ingresar al personal del proyecto, medidas, valores de confiabilidad para cada tarea, fecha para cuando cada puntaje para cada medida se haya ingresado en el acceso y la fecha de cuándo se ha verificado la entrada de datos. Toda la entrada de datos en el acceso será completada por dos miembros del personal simultáneamente. Inicialmente, una persona reúne cada puntaje y la otra entra en el puntaje. Este paso se repite dos veces para garantizar que todos los puntajes se ingresen correctamente.

Datos científicos: almacenamiento, intercambio, códigos, acceso y gestión. Los datos de la entrevista sin identificación sin identificación, los datos estandarizados y los datos experimentales se almacenarán en archivos de cuadros que están restringidos al PIS del sitio y al personal clave del sitio durante la recopilación de datos. Al concluir el estudio, los datos se conservarán en un repositorio de OSF para permitir compartir datos para validar y replicar los resultados de la investigación descritos en los AIM. Una vez cargado, los datos se almacenarán en su plataforma basada en la nube y se compartirán con cualquier persona que se registre con el sitio web, lo que proporciona una función de búsqueda de texto gratuita. El repositorio de Framework Open Science incluirá una guía de usuario detallada, un libro de códigos con estadísticas univariadas para cada variable y metadatos a nivel de estudio. Cada variable en el libro de códigos incluirá el nombre de la variable, una breve descripción del elemento, la etiqueta variable, las etiquetas de valor y los códigos estándar para los valores faltantes. Documentación en forma de .pdf Los documentos incluirán una descripción de cada tarea y las instrucciones de la tarea. No se proporcionarán los protocolos completos porque contienen información patentada que puede usarse en el desarrollo de una prueba estandarizada. Los datos clínicos y experimentales se analizarán con código R personalizado escrito utilizando paquetes gratuitos disponibles en CRAN. Los scripts completamente transparentes y reproducibles estarán disponibles en .rmd y .pdf formatos. Totalmente organizado (tabla paginada de contenido) y la salida anotada estará disponible en .pdf formato. Sarah Schwartz de la Universidad Estatal de Utah en coordinación con el personal profesional en cada sitio, trabajando bajo la guía de los tres Pis: James Montgomery, Ronald Gillam y Elena Plante. Además, la Oficina de Programas Patrocinados de la Universidad Estatal de Utah ha creado un sistema de cumplimiento del plan de gestión y intercambio de datos como parte de su proceso para presentar el informe de progreso anual.

Asignación a condiciones de tratamiento y diseño de estudio. Este estudio se dirigirá a la estructura de oración pasiva. Habrá dos tipos de tratamiento amplios (explícitos, implícitos) con dos niveles de asignación de tratamiento para cada tipo de tratamiento (inmediato, retrasado). En términos generales, las condiciones explícitas versus implícitas prueban la eficacia relativa de cada tipo de tratamiento. La condición explícita de inicio retrasado y la condición implícita de inicio retrasado se utilizarán para descartar factores de maduración como una razón para el cambio. Cada clínico tratante tratará a los niños en las cuatro afecciones para que los efectos clínicos se mantengan constantes en todas las afecciones. Se utilizará un procedimiento de muestreo aleatorio estratificado para asignar niños a las condiciones de tratamiento. Los niños se estratificarán en 2 bandas de edad (8-9, 10-11), con subdivisiones masculinas y femeninas. A medida que los niños se inscriben en el estudio, se clasificarán en 1 de los 4 estratos y luego asignados aleatoriamente dentro de los estratos a la condición de tratamiento explícito implícita, inmediata explícita, implícita o retrasada (probabilidades = .33, .33, .17, .17) Uso de aleatorización basada en la probabilidad (paquete R "Randomizr"). Esto nos permitirá controlar la edad y el sexo como variables biológicas. La asignación aleatoria es el estándar de oro para controlar otros factores desconocidos que pueden afectar los resultados del tratamiento.

Poder estadístico. Para cada estudio, una muestra de 100 participantes produce un 80% de potencia para el efecto del tratamiento (entre la interacción de los sujetos de los sujetos) en un 2X3 mixanova con un .05. Nivel de significancia, para un tamaño de efecto relativamente pequeño de F = .13 (Gpower 3.1, [149]). El análisis de potencia MLM más complejo se realizó con Glimmse 3.0 y aplica el "rastro de hotelling-lawley" entre dos pruebas multivariadas grupales de diferencias de medias. Una muestra de 100 participantes (16 médicos con aproximadamente 6 participantes cada uno) produce un 80% de potencia para la misma hipótesis siempre que la correlación intraclase (ICC) para los participantes dentro de los clínicos es 0.10 y la diferencia en los dos grupos es de 0.75 desviaciones estándar inicialmente y mantenida en el seguimiento. Estos valores son conservadores, lo que refleja efectos relativamente mínimos para la CPI y las diferencias de grupo. El análisis de tratamiento inmediato versus retrasado (3x2 mixanova) establece que se logrará una potencia del 80% para una muestra de 100 participantes para un tamaño de efecto similarmente pequeño de F = .16. Finalmente, los investigadores han planeado 150 niños por estudio para proteger contra la incertidumbre inherente a las estimaciones de potencia y para alimentar adecuadamente los modelos de ecuación estructural. Se siguió la recomendación de Klein para un mínimo de 10 participantes por ruta en un modelo de ecuación estructural. El modelo incluye 9 rutas (detalladas en el plan de análisis, a continuación), para un mínimo de 90 sujetos. Por lo tanto, 150 participantes excederán este nivel mínimo recomendado, agregando estabilidad a las estimaciones.

Análisis de datos Los efectos del tratamiento del plan. El efecto del tratamiento frente al período de 'no tratamiento' de la condición de tratamiento retrasado se evaluará utilizando un análisis de varianza de diseño mixto 3x2x2 (mixanova). Este análisis utilizará 3 grupos (tratamiento implícito, tratamiento explícito, tratamiento retrasado, n = 50 por grupo) y 2 observaciones repetidas en las medidas de resultado proximales y distales (tarea de pacientes con agente, tarea de cebado). Para aquellos aleatorizados para el tratamiento inmediato (implícito o explícito), se utilizarán observaciones de pretratamiento y postratamiento. Para aquellos aleatorizados para el tratamiento retrasado, se utilizarán observaciones iniciales y previas al tratamiento, que cubren el período durante el cual los participantes no reciben tratamiento. Este análisis determinará si uno o ambos tratamientos exceden la maduración natural durante un marco de tiempo de 10 semanas para abordar la hipótesis 1A. Un efecto significativo del tipo de oración indicaría que los efectos del tratamiento son específicos para la estructura de la oración dirigida por el tratamiento. Para abordar la cuestión de si los tratamientos implícitos y explícitos producen efectos diferenciales en los elementos capacitados de las medidas de resultado del lenguaje proximal y distal (Hipótesis 1b), los investigadores combinarán a los niños en los grupos de tratamiento inmediato y retrasado dentro de las condiciones de tratamiento implícitas y explícitas (n = 75 por condición de tratamiento). Se utilizarán tres observaciones repetidas (dentro del sujeto: pretratamiento, postratamiento y seguimiento) para dos medidas de resultado (dentro del sujeto: medidas proximales y distales) en comparación entre los dos tipos de tratamiento (entre sujetos: tratamientos implícitos y explícitos). Un análisis de varianza de diseño mixto 3x2x2 (mixanova) probará si el tipo de tratamiento influye en el crecimiento en cada variable dependiente. Los contrastes de seguimiento permitirán comparaciones entre el tipo de tratamiento inmediatamente después del tratamiento (posterior al tratamiento), así como si las ganancias se conservan (seguimiento). El apoyo a la Hipótesis 1b consistiría en un efecto de interacción que consiste en un mejor rendimiento en la tarea de agente-paciente para los niños en la condición explícita y un mejor rendimiento en la tarea de cebado para los niños en la condición implícita. Los mixanovas paralelos se realizarán utilizando puntajes de la comprensión narrativa y la tarea de requisito como medidas dependientes (n = 75 por condición de tratamiento). Este análisis abordará los resultados del tratamiento utilizando una tarea de lenguaje traslacional que refleje una habilidad infantil común y una con relevancia curricular. El apoyo a la hipótesis 1c consistiría en un efecto principal significativo en el que los niños en la condición implícita superan a los de la condición explícita después del tratamiento. Para investigar más a fondo el rollo de la memoria de trabajo y controlar las características del niño (edad, raza, sexo, SES, lenguaje general (puntaje TILSS)) y el parto de tratamiento (Zoom vs. in-persona), el modelado multinivel (MLM), también conocido como modelado lineal jerárquico (HLM), se utilizará como un seguimiento de cada uno de los mixanovas descritos anteriormente. El modelo MLM puede expandir el mixanova para incorporar adicionalmente moderadores y covariables continuos, así como el control por falta adicional de independencia entre los participantes debido a la anidación dentro del clínico. A diferencia de Mixanova, MLM incorpora todos los datos recopilados de los participantes que pueden carecer de todas las observaciones (casos incompletos debido al desgaste) y relaja la dependencia de los estrictos supuestos ANOVA de homogeneidad de varianza y esfericidad, los cuales probablemente sean violados. Formalmente, el MLM incluirá efectos fijos la interacción entre los factores entre sujetos y dentro de los sujetos, y las covariables, así como las intercepciones aleatorias tanto para participantes como clínicos. Se ejecutarán MLM separadas para condiciones de tratamiento explícitas e implícitas (n = 75 por modelo). Un hallazgo de un efecto moderador significativo para la memoria de trabajo o la edad, la raza, el sexo y el SES apoyaría la Hipótesis 1D con respecto a la edad y el SES. Según la investigación previa del tratamiento de los investigadores, no se espera un efecto para el método de administración de tratamiento.

Preguntas teóricas. La fragmentación de insumos es crucial para la comprensión de las oraciones, una idea que los investigadores presentaron en función de los resultados de un modelo de comprensión de oración mediado por memoria previo. Por esta razón, los investigadores esperan que la fragmentación de oraciones en cláusulas se relacione con el rendimiento de las medidas de resultado del tratamiento (Hipótesis 2a). Los investigadores probarán esta predicción utilizando regresión lineal utilizando las medidas de resultado proximal y distal a las puntuaciones de fragmentación de oraciones. Se ejecutarán modelos separados para cada condición de tratamiento (n = 75 por tratamiento). Los investigadores también plantean la hipótesis de que la memoria de trabajo mediará el efecto de la intervención (x) en el resultado del estudiante (y) (Hipótesis 2b). Los investigadores probarán esto utilizando el modelado de ecuaciones estructurales, con modelos separados para cada condiciones de tratamiento para permitir la posibilidad de que se usen diferentes estrategias de aprendizaje para los dos tratamientos (n = 75 por modelo). La ruta de x a M (Time2) se etiquetará a. El camino de M a Y se etiquetará b. El efecto indirecto de X a Y a M (Time2) será el producto de A y B (A*B). Siguiendo a Muthen et al., Los investigadores planean incluir la memoria de trabajo (M (Time1)), el vocabulario Conocimiento de la repisa (C1Time1) y la comprensión sintáctica (C2Time1) como variables de control en el modelo. Un efecto indirecto que difiere estadísticamente de 0 indica que M media el efecto de x en y. Si el efecto indirecto explica completamente el efecto directo de X a Y, entonces M media la relación de x e y. En una mediación completa, el producto de A y B desplaza por completo la ruta C. Los investigadores planean comparar las estadísticas de ajuste del modelo de 3 modelos de mediación, uno con memoria de trabajo (suda de memoria de trabajo de Woodcock-Johnson) como el mediador, uno con memoria a largo plazo de lenguaje como mediador (tarea narrativa de recuento, puntaje de finalización de la cláusula) y otro con conocimiento de vocabulario (PPVT-5) como el mediador. Cada uno de los modelos tiene un máximo de 9 rutas, con 11 participantes por ruta para cada estudio.