中风后失语症患者的野外单词检索

背景和转化意义 背景 全世界每年大约有 1500 万人，包括 795,000 名美国人，遭受新的中风。 失语症是一种以接受和/或表达语言缺陷为特征的疾病，影响大约 30% 的中风幸存者，是最具破坏性的中风后疾病之一。 失语症是一种异质性疾病，但失语症（即单词检索受损）是所有失语症患者 (PWA) 中普遍存在的持续性损伤。 神经质的人偶尔会在“舌尖”时刻经历失语症：当某人知道他们想说什么但这个词本身却让他们望而却步时，这种情况令人沮丧。 对于目前患有失语症的 200 万美国人来说，单词检索困难要严重得多，并且遍及所有交流尝试。 失语症的严重程度介于 PWA 之间，从低频词（例如护身符）的延迟检索等轻度困难到甚至是常见物体（例如床）的名称检索的严重困难。 然而，无论严重程度如何，中风后失语症的一个标志是在对给定单词的尝试中不一致的单词检索。 对于 PWA，访问单词的能力每天甚至每分钟都可能发生变化，从而导致参与对话的动力减弱、脱离社交互动并降低生活质量。

根据词汇访问的心理语言学模型，命名是一个两步过程，涉及从语义系统检索目标的含义和从语音系统检索词形（语音）。 PWA 中的命名失败会导致与目标词相关的错误（例如，“carrot”表示 bean）、词形（例如，“fean”表示 bean）、意义和形式（例如，“green”表示 bean） )，或者两者都不是（例如，bean 的“铅笔”；bean 的“我知道，但我不能说”）由于目标意义/形式表示的激活不足或不正确表示的过度激活。 由于这个嘈杂的系统，PWA 中的词汇访问经常会延迟，即使最终检索到正确的单词也是如此。 命名准确性、响应时间和错误类型提供了有关命名障碍位点和患者恢复能力的有意义信息。 研究人员发现，中风后早期阶段产生的语音和无关错误的数量预测了左半球中风幸存者命名和全球语言技能的纵向变化。 命名错误以及潜在语义和语音系统的完整性也可以指导语言治疗计划。 因此，准确评估命名对于失语症护理至关重要。

在临床实践中，言语语言病理学家 (SLP) 通常通过在 SLP 与患者之间 1:1 的互动中在安静的诊所进行一次测试来评估命名缺陷。 然而，鉴于单词检索的可变性，一次性评估无法准确捕捉患者失范症的真实性质和程度。 此外，与受控的、人为的临床环境不同，现实世界中的单词检索通常发生在一个人执行其他日常任务时，通常是在分散注意力、嘈杂的环境中，并且有许多其他人在场。 多任务处理和抑制外部干扰因素增加的认知负荷增加了本已嘈杂的词汇系统，从而增加了延迟或失败的单词检索机会。 传统的 SLP 评估无法捕捉现实世界失范的现实，但研究人员认为生态瞬时评估 (EMA) 可以。

EMA 是健康研究中广泛使用的方法，用于捕获日常生活中纵向自我报告的行为或感兴趣的状态（例如，身体活动、抑郁、饮食）。 在传统的 EMA 中，随着时间的推移，电子设备每天多次提示参与者回答一组问题（通常通过按下按钮）。 一次回答几个问题非常耗时，因此，传统 EMA 的一个主要缺点是中断负担。 相比之下，基于微交互的 EMA (µEMA) 将每个提示减少为一个可以在 ~3-5 秒内回答的问题，允许随着时间的推移穿插更多的问题。 研究人员的初步研究表明，即使中断率是传统 EMA 的八倍，µEMA 也比传统 EMA 具有更高的响应率和更低的感知负担。 此外，µEMA 产生时间密集的原位测量，使其成为捕捉 PWA 日常生活中异常变化的理想工具。 需要注意的是，异常 µEMA/EMA 协议需要记录口头反应，而迄今为止的传统 EMA 和 µEMA 协议只需要通过按钮按下或屏幕点击来进行非语言反应。 在 µEMA 或传统 EMA 协议中捕获高质量音频响应的可行性尚不清楚。

此外，尽管越来越多地使用基于技术的失语症评估和治疗平台，但电子交付的 EMA 和 µEMA 都没有在 PWA 中进行过测试。 事实上，根据 2020 年的回顾，只有七项研究使用 EMA 来研究中风恢复，并且没有针对语言障碍。 一个核心问题是患有失语症的中风幸存者是否可以遵守电子传递的传统 EMA 或 µEMA 失范协议。 针对失语症的平板电脑和基于计算机的平台的先前研究表明，具有更好的视觉空间注意力和执行功能的 PWA 能够更好地学习如何浏览新颖的 iPad 应用程序。 有证据表明，SLP 支持与对 PWA 计算机化治疗程序的更大依从性相关，并且患者对计算机程序的感知参与与实践机会、他们使用该技术的能力和他们的动机有关。 在失语症中更广泛地实施 EMA 和/或 µEMA 的一个重要步骤是确定 PWA 对此类协议的遵守情况，以及哪些患者特定因素与协议遵守情况相关。

因此，作为未来朝着更广泛研究目标迈出的一步，在该试点项目中，研究人员将 (1) 确定 PWA 中两种智能手表提供的公开命名 EMA 协议的相对可行性，以及 (2) 确定特定患者的程度因素（年龄、认知语言缺陷严重程度和对技术的舒适度）与可行性相关。 所有参与者将被安排在实验过程中完成相同数量的命名试验，但一些 PWA 将被随机分配到传统的 EMA 协议（每天涉及四次提示，每次提示九次命名试验），而其他 PWA 将是分配给 µEMA 协议（涉及每天一次交付 36 次的单个命名试验）。 可行性将通过三种方式衡量：(1) 患者遵守 EMA/µEMA 方案的能力，(2) 患者对完成方案的感知负担，以及 (3) 捕捉命名录音的能力尝试。 前两项可行性措施与研究人员之前工作中使用的措施相似，而最终措施是本研究所独有的，因为该试验是首次尝试使用 EMA/µEMA 客观地测量中风幸存者的语言反应

创新 尽管这项试点研究的范围很小，但这项研究包含几个创新特征。 该试验将是第一项评估以电子方式提供的 EMA 方案在患有失语症的中风幸存者中的可行性的研究。 临床人群中传统 EMA 和 µEMA 协议的比较也很新颖。 这项工作对于确定哪种交付方法最适合 PWA 至关重要，因为 PWA 与之前研究的神经典型样本在有意义的方面有所不同。 此外，EMA 研究通常利用自我报告措施来对日常生活中的心理或认知状态进行分类。 相比之下，该试点将尝试通过患者日常生活中命名尝试的录音来客观地衡量命名的认知语言技能。 这种范式以前从未尝试过，因此，它同时具有原创性和风险性，并具有获得高回报的潜力。 如果在 EMA/µEMA 范式中获得可理解的命名响应是可行的，那么这项试点研究将产生关于 PWA 在现实世界中失范症经历的前所未有的知识。 如果无法从许多参与者那里获得高质量的录音，该试点项目仍将产生有关患者遵循 EMA/µEMA 协议的能力以及他们对 EMA/µEMA 的感知负担的宝贵知识。

转化意义 这项研究处于 T1：从工作台到床边阶段，因为该提案的主要目标是评估 EMA/µEMA 作为 PWA 中语言障碍的新型评估工具的可行性。 转化潜力是 EMA/µEMA 方法所固有的。 SLP 领域缺乏对现实生活中沟通缺陷的客观衡量，这项工作的新颖性和创新性在于努力解决这个问题。 这项研究的结果将为未来的 NIH R01 应用程序提供信息，该应用程序侧重于验证 EMA/µEMA 在捕获失范症（在准确性、响应率和命名错误类型方面）的标准有效性，并确定基于 EMA/µEMA 的失范症对与传统的失范评估相比，PWA 的参与度和生活质量。 如果成功，这些方法可以扩展到测量其他语言领域（例如，单个单词到短语级别的听觉或阅读理解），并根据患者的需求量身定制个性化任务。 从这项研究和 NIH R01 工作中收集的信息也将用于开发针对神经失调的原位“即时”生态瞬时干预 (EMI)，其中智能手表提供的提示可以在患者每次出现神经失调时进行干预片刻。 NIH R01 提案、EMA/µEMA 扩展语言领域的工作以及针对神经失调症的“即时”EMI 的开发构成了该试点的三个未来方向，它们也属于 T1：从平移连续体的工作台到床边阶段.

因此，在未来，研究人员将在 T2：从床边到实践阶段进行研究，这将涉及与地区康复医院或大学诊所的执业 SLP 和其他医疗保健专业人员（例如，物理和职业治疗师、理疗师）合作（例如，东北大学言语、语言和听力中心）在 PWA 中进行 EMA/µEMA 和 EMI 临床试验。 这项工作将提供有关这些方法在实际临床实践中的功效的重要信息。 成功完成 T1 和 T2 阶段研究也将为 T3 水平的工作铺平道路：从临床实践到广泛的临床实践和护理提供。 T3 阶段的研究对于这一领域的工作是现实的，因为智能技术成本可能会继续下降，使更多人更容易使用智能手表和电话，并且数字移动健康应用程序的多样性和灵活性将继续增加，从而导致EMA/µEMA 和/或 EMI 协议的潜在广泛临床应用。 因此，这项研究将开始一条转化路径，理想情况下，最终将 EMA/µEMA 和 EMI 实施到由保险提供者报销的失语症常规临床护理中。

具体目标 这一系列研究的长期目标是能够可靠地测量患有 EMA/µEMA 的失语症 (PWA) 患者在现实世界中的语言缺陷，并为 PWA 开发有效的“及时”干预措施，以提高他们日常交流的便利性。 作为实现这一目标的第一步，该提案的主要目标是确定智能手表提供的微交互生态瞬时评估 (µEMA) 和传统 EMA 作为失语症潜在评估方法的相对可行性。 该提案的次要目标是确定哪些患者特定因素（年龄、认知语言缺陷严重程度和技术舒适度）与可行性指标相关。

20 个 PWA 将参与这项试点研究，随机分配到 µEMA 条件 (n = 10) 或传统 EMA 条件 (n = 10)。 在 µEMA 和传统 EMA 协议中，智能手表都会振动以提醒参与者完成单张图片命名试验（在 µEMA 条件下）或一组图片命名试验（在传统 EMA 条件下）的提示。 振动后，参与者将看到“准备好了吗？” 在屏幕上，他们必须按“是”按钮才能显示图片，然后他们将尝试大声说出图片的名称。 两种情况下的参与者将被安排在三周内每天完成 36 次公开图片命名试验。 条件之间的唯一区别是试验交付时间表：μEMA 条件下的 PWA 将一次完成一个命名试验，每天 36 次，而传统 EMA 条件下的 PWA 每天将收到四个提示以完成一组九个根据提示进行图片命名试验。 比较 µEMA 和传统 EMA 协议的双重理由是，研究人员将能够确保结果具体反映 µEMA 或传统 EMA 的可行性，而不仅仅是智能手表使用的新颖性，并且这种方法将提供初步数据，说明哪些方法最适合哪种 PWA。

如前所述，调查人员将通过三种方式对可行性进行索引。 首先，研究人员将通过两个客观指标衡量患者对 µEMA 或传统 EMA 时间表的依从性：依从性和完成度。 由于智能手表 µEMA/EMA 尚未在 PWA 中进行测试，因此调查人员不知道 PWA 通过按下按钮或提供口头响应来遵守协议的能力。 因此，研究人员将把按钮按下响应智能手表提供的 µEMA/EMA 的可行性与从公开命名协议获得可理解音频的可行性分开。 为此，点击是/否按钮响应“准备好了吗？” 屏幕将用于计算合规性。 与调查人员之前的工作类似，合规性将通过考虑“是”按钮响应的总数与预定提示的总数之比来确定，包括由于手表未充电或关闭而错过的试验。 另一方面，完成将反映 PWA 遵守所有智能手表协议步骤，包括按下 YES 按钮、查看图片以及尝试大声命名图片。 因此，完成度将通过考虑命名尝试的总数（以带有可听录音的音频片段的数量作为索引，忽略清晰度）与发送到手表的提示总数之比来计算，不包括由于手表正在使用而错过的试验未充电或关闭。 其次，研究人员将在第 2-4 周进行的每周调查中通过李克特量表问题测量患者报告的感知负担测量值。 第三，SLP 研究生 RA 将每个图片命名音频片段编码为完全可理解、部分可理解或完全不可理解；这种分类语音清晰度评级将提供一种粗略的衡量方法，用于衡量在 PWA 中获取 µEMA/EMA 命名尝试录音的可行性。 有了这些数据，调查人员将实现以下目标：

目标 1：比较 µEMA 和传统 EMA 条件之间的可行性指标（合规性、完成度、感知负担和语音清晰度）。 假设：根据调查人员之前的工作，调查人员预测 µEMA 条件下的 PWA 将表现出更高的依从性和完成度，并​​报告比传统 EMA 条件下的 PWA 更低的感知负担。 研究人员还预测，µEMA 条件下的语音清晰度将高于传统 EMA 条件，因为在给定时刻破坏录音的情境因素（例如，背景噪音、参与者的嘴和智能手表之间的距离）更有可能破坏几个连续试验（如在传统的 EMA 条件下）比全天穿插的试验（如在 µEMA 条件下）。

目标 2：确定患者特定因素（年龄、认知语言缺陷严重程度和对技术的舒适度）与可行性措施的相关程度。 假设：控制学习条件，研究人员预测年龄越大、失语症越严重、非语言认知能力越差（视觉空间和执行控制能力）以及对技术的更大不适将与依从性越差、完成度越低、感知负担越重相关，在整个组 (n = 20 PWA) 的命名尝试中，录音的清晰度较差。

研究程序方法参与者 - 二十名患有失语症的成年人（18-89 岁）将完成拟议的协议。 纳入标准为：(1) 当前/中风前英语水平，(2) 正常/矫正视力和听力正常，(3) 身体状况稳定，(4) 左半球中风病史至少六个月前(5) 通过考虑语言评估分数（例如，快速失语症电池、话语任务）和研究团队的临床判断（由 Meier 博士牵头）确定是否存在失语症。 之所以采用这种双管齐下的方法来确定是否存在失语症，是因为广泛使用的综合失语症电池对轻度失语症并不可靠敏感，特别是对于检测不太严重的失语症。 排除标准将是除中风外影响大脑的神经系统疾病史。

方法论——这项研究是一项纵向的、受控的观察研究。 PWA 将随机分配给 µEMA 或传统 EMA 条件。

第 1 周：参与者将完成两个两小时的课程：(1) 初始摄入和评估课程，然后是 (2) EMA/µEMA 协议培训课程。 第 1 周，第 1 节测试将包括：(1) 快速失语症电池 (QAB) 以测量整体失语严重程度，(2) 模式比较处理速度测试和来自 NIH 认知工具箱的侧翼抑制控制和注意力测试以测量非-语言视觉注意力和执行功能，(3) 简短、标准化的图片描述和故事引出任务，以索引话语中的失范症，以及 (4) 公开的对象命名测试，以通过标准 SLP 评估格式（即，单一在安静的 1:1 交互中进行管理）。 命名测试将包括来自 Snodgrass 和 Vanderwart 刺激集的 260 个项目的标准化真实照片。 PWA 还将参加入学面试并完成一份关于他们对技术的舒适度的调查问卷，适用于失语症（简单的语言、短语），回答从 1 = 非常不同意到 7 = 非常同意。 由于他们的失语症，PWA 需要更多关于使用智能手表的培训，而不是之前 µEMA/EMA 研究中的神经典型样本。 因此，第 1 周第 2 节将侧重于培训活动，包括：

1. 智能手表定位：PWA 将通过简单的口头和书面说明以及视觉演示来面向智能手表（界面、充电等）。
2. EMA 任务培训：PWA 将接受特定 EMA/µEMA 命名任务的指导，包括有关如何点击屏幕的说明以及提供口头响应的最佳方法（即嘴巴靠近手表）。 然后，PWA 将在东北大学失语症网络 (TAN) 实验室的安静房间内完成 18 项传统 EMA 式命名任务探测（即在智能手表上连续进行几次试验）。 在此探索期间，SLP 研究生研究助理 (RA) 将提供提示和反馈，以便 PWA 成功学习如何操作智能手表并响应提示。
3. µEMA 或 EMA 协议模拟：PWA 将在分散注意力的环境（即东北大学校园内的咖啡店或大学书店）中完成“真实世界”µEMA 或 EMA 任务探测。 对于这个最后的活动，在 45 分钟的时间内，将给出 18 个智能手表提示，每个提示随机穿插一个命名试验（对于 µEMA 条件下的 PWA）或每个提示分成两组，每组 9 个试验（对于 PWA 在EMA 条件）。 此最终活动将反映第 2-4 周的 µEMA/EMA 协议。

第 2-4 周：PWA 将根据随机化完成 µEMA 或 EMA 协议。 μEMA 和 EMA 协议将通过研究团队提供的 Fossil Sport Android 智能手表（或同等产品）提供。 在每种情况下，智能手表都会振动以提醒 PWA 进行单个命名试验（µEMA 条件）或命名试验集（传统 EMA 条件）。 振动警报后，PWA 将看到一个屏幕，上面写着“准备好为图片命名了吗？” （µEMA 条件）或“准备好命名一些图片了吗？” （传统的 EMA 条件）。 如果参与者点击“是”，将出现一张图片，并且设备将开始录制音频。 PWA 将有最多五秒钟的时间来提供口头回应，然后是“谢谢！”屏幕将出现。 选择五秒响应窗口的依据是研究表明，PWA 平均在 3.5 秒内正确命名图片，错误响应的响应延迟时间更长。 如果参与者未能响应振动提示或将“否”按钮推至“准备好了吗？” 屏幕上，他们将在五分钟后通过一个振动警报重新提示。

在第 2-4 周期间，每个参与者将尝试命名 108 个独特的对象，这些对象来自 260 项 Snodgrass 和 Vanderwart 照片集。 呈现给每个参与者的图片子集将基于他们的命名评估（在第 1 周，第 1 节期间）。 如果可能，一半的图片将是 PWA 在评估期间正确命名的项目，另一半将是错误命名的图片。 这种方法将使我们能够衡量 PWA 在传统 SLP 评估期间能够命名和不能命名的项目随时间的命名可变性，从而为异常现象提供一个重要的窗口。 为了减轻练习效果，单张图片（µEMA 条件）或图片集（传统 EMA 条件）将随机呈现而不更换，直到呈现所有 108 张图片，然后图片循环将重新开始。 在这两种情况下，每天将安排 36 次命名试验，从而使整个实验中的每个参与者总共进行 756 次预定试验。 在 µEMA 条件下，单一命名试验提示将在上午 10 点到晚上 8 点之间随机出现。 在 EMA 条件下，PWA 每天会收到四个提示，每个提示完成一组九张图片命名试验；在上午 10 点到晚上 8 点之间，每隔 2.5 小时将安排一次提示。

每天晚上，参与者都会将手表放在充电器上。 每天早上，研究团队提供的智能手机都会发出哔哔声，提醒参与者将智能手表从充电器上取下。 智能手机还将智能手表收集的数据推送到研究团队的服务器。 在每周结束时，PWA 将完成一份关于他们在前一周的 µEMA/EMA 体验的 16 项调查。 调查将通过 Qualtrics 进行管理，并根据需要由 SLP 研究生 RA 通过视频会议软件进行协助。

第 5 周：在 TAN Lab 的最后一节课中，PWA 将归还智能手表，完成 260 项 Snodgrass 和 Vanderwart 图片命名测试，并参加研究退出面谈。 参与协助 PWA 处理协议任何方面的家人、朋友或护理提供者也将被要求完成离职面谈。

统计分析 - 目标 1：研究人员将在 µEMA 或 EMA 时间序列中对每个试验进行编码，以索引合规性、完成度和语音清晰度。 每个预定的试验（n = 756 总试验）将被编码为 0 表示无响应/否按钮响应或 1 表示是按钮响应，以反映合规性。 每个交付的带有在音频上捕获的命名尝试的试验（n 试验将因人而异）将被编码为 0 表示不完整或 1 表示完成，反映完成。 每个音频片段（n 次试验会因人而异，具体取决于命名尝试的次数）将被编码为 0 表示完全或部分无法理解，1 表示完全可理解，反映语音清晰度。 对于这三项措施中的每一项，研究人员将运行逻辑混合效应模型，其中一项可行性措施（即合规性、完成度或语音清晰度）作为因变量，条件（µEMA 或 EMA）作为自变量，随机参与者和试验的影响。 对于感知负担，调查人员将收集对三个问题/调查的答复，为期三周。 鉴于数据量较小，将绘制调查响应以可视化增加/减少负担的趋势，而不是进行统计比较。

目标 2：研究人员将在患者特定因素和可行性措施（依从性、完成度、语言清晰度和感知负担）之间进行一系列偏相关，控制研究条件。 患者特定因素将包括年龄、失语严重程度（来自 QAB）、非语言认知技能（两项 NIH 工具箱任务的平均表现）以及来自技术调查舒适度的总分。 在这里，合规性将是“是”按钮响应的比例除以每个参与者的总预定试验（是按钮/756）。 完成将是命名尝试除以总交付试验的比例（n 命名尝试/n 交付试验）。 语音清晰度将是完全可理解的响应的比例除以命名尝试的总数（n 完全可理解的试验/n 命名尝试）。 感知负担将计算为所有负担问题 Likert 回答的总和。 多重比较校正将以 p < 0.05 的错误发现率进行。

样本大小/功效：对于目标 #1 逻辑混合效应模型，两组每组 10 个 PWA 将达到 80% 的功效，以检测具有 AR(1) 协方差结构的 756 次重复测量设计中 1.20 的比值比和当同一对象的观察值之间的相关性为 0.600 且 alpha 为 0.05 时。 如果 EMA 组已完成试验的比例为 0.500，则如果 µEMA 组比例为 0.545 或更大，则会出现统计显着的结果。 在 Intille 等人中，µEMA 和 EMA 条件之间比例的平均差异大于 0.20 以符合合规性和完成性，远高于所需的 0.045 差异。 这表明调查人员将有足够的能力来检测这两种情况之间的显着差异。 对于目标 #2，要在 20 名参与者和 alpha 为 0.05 的情况下达到 80% 的功效，Pearson 相关系数需要为 0.59 或更大。 由于该试点的样本虽小但可行，研究人员可能无法实现此类效果，但这些数据对于 NIH R01 的功效计算至关重要。 此外，研究人员将有大量信息来描述患者特定因素的定性趋势，即使目标 2 的重要性没有实现。