MétaCan
Menu
Retour à la cohorte
Enregistrement W1991848776 · doi:10.1097/00129492-200303000-00017

Speech Coding Strategies and Revised Cochlear Implant Candidacy: An Analysis of Post-Implant Performance

2003· article· en· W1991848776 sur OpenAlexaffabout
Eytan E. David, Jodi M. Ostroff, David Shipp, Julian M. Nedzelski, Joseph M. Chen, Lorne S. Parnes, Kim Zimmerman, David Schramm, Christiane Séguin

Notice bibliographique

RevueOtology & Neurotology · 2003
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésCochlear implantSpeech perceptionAudiologyMedicineCandidacySpeech codingSentenceSpeech recognitionPerceptionPsychologyComputer scienceNatural language processing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Technological advances in cochlear implant systems on which a sequence of speech coding strategies have been implemented seem to have resulted in improved speech perception. However, changing selection criteria for implantation have coincided with evolving technology and may confound post-implantation speech perception performance. This study compares speech coding strategy with speech perception performance in severe and profound postlingually deafened adults using one of three successive generations of Nucleus Cochlear Implant speech processors (i.e., Mini Speech Processor, Spectra 22, and SPrint) implementing three speech coding strategies (i.e., MPEAK, SPEAK, and Advanced Combination Encoders; Cochlear Corporation, Englewood, CO, U.S.A.). STUDY DESIGN: Four cohorts of patients were retrospectively reviewed. SETTING: Multicenter, tertiary referral cochlear implant programs in Ontario, Canada. METHODS: Four cohorts of patients (n = 139) were identified based on preimplant audiological measures, duration of deafness, device type, and speech coding strategy. Word and sentence recognition scores at 12 months after implantation were compared using MPEAK with SPEAK22 implemented on the Nucleus 22 speech processors (Mini Speech Processor and Spectra22, respectively) and SPEAK24 as well as Advanced Combination Encoders implemented on the Nucleus 24 SPrint processor. RESULTS: Open-set speech recognition batteries revealed significant improvements in word and sentence scores as advancing technology implemented new speech coding strategies. Subgroup analysis of profoundly deafened patients supported this. Analysis of covariance confirmed that the measured differences could not be accounted for by changing selection criteria for implantation. CONCLUSION: Improvements in performance can be attributed to evolving speech coding strategies and speech processors rather than to differences in preimplant candidacy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,296
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOtology & NeurotologyMême sujetHearing Loss and RehabilitationTravaux en français237 207