How Much Residual Hearing Is ‘Useful’ for Music Perception with Cochlear Implants?
Notice bibliographique
Résumé
AIM: To compare performance on a song recognition task of bilaterally combined electric and acoustic hearing (bimodal stimulation) with electric or acoustic hearing alone. METHODS: Subjects were 14 adults with cochlear implants (CI) who continued to use a hearing aid (HA) in one/both ears. Subjects were asked to identify excerpts from 15 popular songs, which were familiar to them, presented in a random order via a single loudspeaker. Presentation conditions were fixed in order: bimodal, CI alone and then HA alone. Musical excerpts were presented in each condition with and then without lyrics. RESULTS: In a subgroup of subjects (n = 8) with better low-frequency residual hearing (thresholds <85 dB hearing level (HL)), mean scores for bimodal stimulation were significantly greater than for CI alone. In addition, mean 'no lyrics' scores for HA alone (59.7%) were significantly greater than for CI alone (38.8%). All of these subjects considered bimodal stimulation to be the most enjoyable way to listen to music. For the remaining subjects (n = 6) there was no benefit from using bimodal stimulation over CI alone, and the majority of these preferred to listen to music using CI alone. CONCLUSIONS: Bimodal stimulation provides better perception of popular music, particularly melody recognition, compared to CI alone when low-frequency residual hearing is better than 85 dB HL.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,000 |
| 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) | 0,003 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».