MétaCan
Menu
Retour à la cohorte
Enregistrement W2071630810 · doi:10.1080/010503901750166727

The effects of age of cochlear implantation on speech perception outcomes in prelingually deaf children

2001· article· en· W2071630810 sur OpenAlexaff
Robert V. Harrison, Jaswinder Panesar, Hamdy El‐Hakim, Mohamed Abdolell, Richard J. Mount, Blake C. Papsin

Notice bibliographique

RevueScandinavian Audiology · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCochlear implantationAudiologyPerceptionSpeech perceptionCochlear implantDeviance (statistics)Drop outMedicinePsychologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

We have made a retrospective analysis on 70 prelingually deaf children (78% congenital; age range 2-15 years) followed for up to 5 years post-implant during which both closed set speech perception tests (TAC, WIPI) and open set tasks (PBK, GASP) were administered. We used a binary partitioning algorithm to optimally divide our dataset on the basis of age at implantation This technique achieves an optimal split when the heterogeneity of the data is most reduced (maximal drop in deviance). For the closed set speech perception tests (TAC and WIPI) partitioning best divided-out data at age 4.4 years. For the open set tests optimal division was at a higher age of implantation (GASP word, 5.6 years; PBK word, 8.4 years). Using these partitioning values, we have found statistically significant differences between rate of improvement of scores in the younger implanted children compared with those implanted later.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,012
Tête enseignante GPT0,291
Écart entre enseignants0,279 · 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

Citations25
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian AudiologyMême sujetHearing Loss and RehabilitationTravaux en français237 207