调节失语症脚本的强度和剂量 (MIDAS)

确定最佳治疗强度对于设计和实施任何失语症治疗方案至关重要。 然而，治疗强度是一个复杂的结构，关于调节它的变量的信息仍然模糊且有限。 神经科学和临床文献中报道的研究支持强化治疗以诱导长期神经可塑性变化的必要性，而认知心理学文献表明，分布式时间表最好地维持学习。 一些研究着眼于单个单词命名任务的剂量参数，但关于专注于训练更大单位（例如句子甚至相关话语）的产生的治疗的剂量参数的证据有限。 临床上经常使用并有证据证明其有效性的一种方法是脚本训练。 目前对于促进最佳结果所需的脚本训练的最佳剂量（即脚本中每个句子随时间的重复次数）知之甚少。

本研究调查了调节刺激变量的影响，特别是刺激练习分布和刺激重复。 我们使用基线脚本处理，该处理具有关于其功效的实验支持，并且允许操纵这些变量。 为了确保独立性和保真度，治疗是在受控的计算机环境（台式机和平板电脑）中提供的。 为了避免与临床医生相关的变量，如可能影响治疗的专业知识和个性因素，在治疗期间，句子由具有高视觉语音清晰度和情感表达的拟人代理建模。

关于“最佳结果”，泛化是任何治疗方法的最终目标。 因此，主要结果是对话的泛化测量。 次要措施涉及短期收购、长期维护以及刺激和反应泛化，用于评估基线增益、差异效应和相互作用。 移动连接的无线可穿戴喉部传感器可以跟踪在家和社区的通话时间，作为治疗效果和转移的衡量标准。 为了隐私，它不录制音频。

学习的结果和计算模型（泛化、短期习得和长期维持）将提供新的证据，以填补当前关于失语症治疗方法的有效性和临床应用的科学认识中的关键空白。 更一般地说，研究结果将有助于为神经沟通障碍的临床实践和治疗提供信息；该提案开发的虚拟临床医生指导干预有可能减少长期康复所需的昂贵的临床医生-客户时间。