Neurocognitieve factoren bij EdTech-interventierespons

Het overkoepelende doel van dit voorstel is om beperkingen aan te pakken die inherent zijn aan de huidige remediërende benaderingen die worden gebruikt bij leesstoornissen (RD). Concreet willen de onderzoekers de effectiviteit evalueren van een op technologie gebaseerde interventie voor kinderen met RD, met behulp van een gerandomiseerde gecontroleerde studie. Aard van het probleem. Leesstoornis (RD) is de meest voorkomende leerstoornis en treft 10 - 15% van de schoolgaande kinderen. Het loopt grote functionele beperkingen op in alle levensfasen. Een schat aan gegevens documenteert levenslange nadelen op het gebied van onderwijs en beroepsprestaties. Problematisch is dat de huidige evidence-based leesinterventies grotendeels afhankelijk zijn van diensten door getrainde specialisten, hetzij in klaslokalen met voldoende middelen, hetzij in klinische omgevingen. Als zodanig zijn scholen (of landen) met onvoldoende middelen vaak niet in staat om leesinterventies voor hun leerlingen aan te bieden. Deze potentieel tragische situatie heeft geleid tot het voorgestelde project dat tot doel heeft een betaalbare, veelbelovende, op technologie gebaseerde behandeling te evalueren, die twee voordelen heeft, namelijk dat ze thuis is en ook kan worden uitgevoerd zonder directe deskundige supervisie, waardoor de middelen tot een minimum worden beperkt. eisen. Recente studies hebben de doeltreffendheid van op technologie gebaseerde leesinterventies ondersteund, met name GraphoLearn, dat zich richt op het aanleren van fonologische vaardigheden en letterklankcorrespondentie, hoewel met opmerkelijke variatie in effectgroottes. Zoals benadrukt in een recente meta-analyse, zijn de steekproefomvang vaak klein en is er een duidelijke variatie in de belangrijkste methodologische componenten tussen studies, met name de gameplay-dosering (die in de meeste studies ver onder de aanbevelingen van deskundigen ligt), de controlegroep (bijv. passief), en de mate van betrokkenheid van volwassenen bij de toediening. Het meest relevante is dat het nut van GraphoLearn niet voldoende is onderzocht buiten de grenzen van gecontroleerde schoolomgevingen, waardoor het geen informatie geeft over de waarde van thuisadministratie - het belangrijkste positieve kenmerk van GraphoLearn. Evenzo zijn mogelijke voorspellers van negatieve uitkomsten voor thuistoediening onontgonnen (bijv. Naleving van de voorgeschreven gameplay-dosering, die, zoals opgemerkt in onze voorlopige gegevens, kan variëren).

Overzicht voor doel 1. Het voorgestelde project pakt de beperkingen aan die inherent zijn aan remediërende interventies door een grootschalige, gerandomiseerde gecontroleerde studie (RCT) van thuis toegediende GraphoLearn uit te voeren bij 450 RD-kinderen (jongens en meisjes, leeftijd 6.0-10.0). Om dit doel snel en tegen minimale kosten te bereiken, zullen de onderzoekers deelnemers rekruteren die zijn ingeschreven voor het Healthy Brain Network [HBN], een doorlopend onderzoek naar geestelijke gezondheid en leerstoornissen bij kinderen in de leeftijd van 5,0-21,0 jaar. wiens familie zich zorgen maakt over gedrag en/of leren (doel n = 10.000; huidige n = 3000+). De HBN omvat uitgebreide psychiatrische, cognitieve, EEG- en multimodale MRI-karakteriseringen voor alle deelnemers, waardoor de voorgestelde studie rijke beschrijvende gegevens krijgt. Leesproblemen worden gesignaleerd met behulp van de TOWRE (standaardscore < 85). Kinderen zullen worden toegewezen aan een programma van 12 weken/20 uur van GraphoLearn of een "actieve" controleconditie, waarbij de groep is afgestemd op IQ en leesniveau. De controle zal bestaan ​​uit een rekenspel, vergelijkbaar met GraphoLearn, om te controleren op niet-specifieke effecten van de interventie, zoals tijd besteed aan het programma, aandacht en andere factoren. Kinderen die gerandomiseerd zijn naar de controlegroep zullen GraphoLearn aangeboden krijgen na het onderzoek vanwege ethische overwegingen. In overeenstemming met de omstandigheden in de praktijk zijn niet-studiegerelateerde interventies tijdens de studieperiode toegestaan. Ze zullen worden gedocumenteerd voor een uitgebreide steekproefbeschrijving en voor het analyseren van voorspellers van respons (doel 2).

Doel 1: Evalueer de effectiviteit van GraphoLearn in een grote steekproef van kinderen met RD. Het leesniveau van kinderen wordt beoordeeld vóór, tijdens (week 6) en aan het einde van het actieve onderzoek (week 12). Verlengde effecten zullen 12 weken na de behandeling (week 24) worden beoordeeld. De onderzoekers veronderstellen statistisch significante verschillen in leesniveau in het voordeel van de GraphoLearn-groep ten opzichte van de controlegroep in week 12 en 24. Als de hypothese wordt ondersteund, zal dit belangrijke implicaties voor de volksgezondheid hebben voor kinderen met RD (er wordt niet beweerd dat het programma de geïndividualiseerde en door experts begeleide leesremediatie zal vervangen).

Overzicht voor doel 2. De identificatie van factoren op deelnemersniveau en omgevingsniveau die de behandelingsrespons voorspellen, is een belangrijk actueel doel, maar is niet in overweging genomen voor GraphoLearn. Voor specialistische interventies is een consistente bevinding dat oudere kinderen en kinderen met taal- of cognitieve beperkingen minder kans hebben om hiervan te profiteren. Hier maken de onderzoekers gebruik van de diversiteit van comorbide klinische presentaties onder arme lezers in HBN om vermeende voorspellers van behandelingsrespons te identificeren. In overeenstemming met recente studies die de toegevoegde waarde suggereren van op de hersenen gebaseerde kenmerken voor het voorspellen van interventie-uitkomsten, maken de onderzoekers ook gebruik van de beschikbaarheid van anatomische MRI-gegevens bij de ontwikkeling van voorspellende modellen.

Doel 2. Identificeer deelnemersgerelateerde factoren en factoren op omgevingsniveau die significant verband houden met de resultaten van GraphoLearn. De uitgebreide fenotypische en beeldvormingskarakteriseringen die in de HBN-steekproef zijn opgenomen, zijn bij uitstek geschikt voor het verkennen van een uitgebreide reeks deelnemer- en omgevingsfactoren die de behandelingsresultaten kunnen voorspellen. Random Forest Regression-modellen zullen worden gebruikt om verschillen in interventierespons op GraphoLearn te voorspellen, op basis van een a priori set van demografische, cognitieve, emotionele, hersen- en thuisomgevingsvariabelen. Ervan uitgaande dat naleving (d.w.z. werkelijke tijd besteed aan het spelen van GraphoLearn in verhouding tot voorgeschreven) een sterke voorspeller van respons blijkt te zijn, zullen verkennende analyses ook kijken naar voorspellers van naleving om de reële waarde van het voorgestelde werk verder te vergroten.