Using Balance Function to Screen for Vestibular Impairment in Children With Sensorineural Hearing Loss and Cochlear Implants
Notice bibliographique
Résumé
OBJECTIVES: 1) To determine if bilateral vestibular dysfunction can be predicted by performance on standardized balance tasks in children with sensorineural hearing loss (SNHL) and cochlear implants (CI). 2) To provide clinical recommendations for screening for vestibular impairment in children with SNHL. STUDY DESIGN: Retrospective cohort study. SETTING: Tertiary care pediatric implant center. PATIENTS: Pediatric patients (4.8-18.6 years) with profound SNHL using CIs. INTERVENTIONS: Vestibular end-organ (horizontal canal and otoliths), and balance assessment. MAIN OUTCOME MEASURES: Comparison of balance skills, measured by the Bruininks Oseretsky Test of Motor Proficiency II (BOT-2), was performed between two groups of children with SNHL and CI: 1) total bilateral vestibular loss (TBVL) (n = 45), and 2) normal bilateral vestibular function (n = 20). Sensitivity, specificity, and suitability of each task as a screening tool for the detection of TBVL were assessed. RESULTS: Balance as measured by the BOT-2 balance subtest was significantly poorer in children with TBVL then those with normal vestibular function (p < 0.0001). "Eyes closed" tasks best identified children with TBVL having the highest sensitivity and specificity. One-foot standing eyes closed was found to have the best performance as a screening tool for TBVL using a timed cutoff of 4 seconds. CONCLUSION: A brief in-office screen of balance function using one of the BOT-2 balance subtest tasks, one-foot standing eyes closed, is able to identify children at risk of TBVL with excellent sensitivity and specificity and should be used to screen for TBVL in all children presenting with SNHL.
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 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 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».