Children’s Speech Recognition and Loudness Perception With the Desired Sensation Level v5 Quiet and Noise Prescriptions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine whether Desired Sensation Level (DSL) v5 Noise is a viable hearing instrument prescriptive algorithm for children, in comparison with DSL v5 Quiet. In particular, the authors compared children's performance on measures of consonant recognition in quiet, sentence recognition in noise, and loudness perception when fitted with DSL v5 Quiet and Noise. METHOD: Eleven children (ages 8 to 17 years) with stable, congenital sensorineural hearing losses participated in the study. Participants were fitted bilaterally to DSL v5 prescriptions with behind-the-ear hearing instruments. The order of prescription was counterbalanced across participants. Repeated measures analysis of variance was used to compare performance between prescriptions. RESULTS: Use of the Noise prescription resulted in a significant decrease in consonant perception in Quiet with low-level input, but no difference with average-level input. There was no significant difference in sentence-in-noise recognition between the two prescriptions. Loudness ratings for input levels above 72 dB SPL were significantly lower with the noise prescription. CONCLUSIONS: Average-level consonant recognition in quiet was preserved and aversive loudness was alleviated by the Noise prescription relative to the quiet prescription, which suggests that the DSL v5 Noise prescription may be an effective approach to managing the nonquiet listening needs of children with hearing loss.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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