MétaCan
Menu
Retour à la cohorte
Enregistrement W2522695038 · doi:10.1155/2016/6143164

Cochlear Synaptopathy and Noise-Induced Hidden Hearing Loss

2016· review· en· W2522695038 sur OpenAlexafffund
Lijuan Shi, Ying Chang, Xiaowei Li, Steven J. Aiken, Lijie Liu, Jian Wang

Notice bibliographique

RevueNeural Plasticity · 2016
Typereview
Langueen
DomaineNeuroscience
ThématiqueHearing, Cochlea, Tinnitus, Genetics
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésNeuroscienceAudiologyHearing lossNoise-induced hearing lossNoise (video)MedicinePsychologyNoise exposureComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Recent studies on animal models have shown that noise exposure that does not lead to permanent threshold shift (PTS) can cause considerable damage around the synapses between inner hair cells (IHCs) and type-I afferent auditory nerve fibers (ANFs). Disruption of these synapses not only disables the innervated ANFs but also results in the slow degeneration of spiral ganglion neurons if the synapses are not reestablished. Such a loss of ANFs should result in signal coding deficits, which are exacerbated by the bias of the damage toward synapses connecting low-spontaneous-rate (SR) ANFs, which are known to be vital for signal coding in noisy background. As there is no PTS, these functional deficits cannot be detected using routine audiological evaluations and may be unknown to subjects who have them. Such functional deficits in hearing without changes in sensitivity are generally called "noise-induced hidden hearing loss (NIHHL)." Here, we provide a brief review to address several critical issues related to NIHHL: (1) the mechanism of noise induced synaptic damage, (2) reversibility of the synaptic damage, (3) the functional deficits as the nature of NIHHL in animal studies, (4) evidence of NIHHL in human subjects, and (5) peripheral and central contribution of NIHHL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,340
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations86
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeural PlasticityMême sujetHearing, Cochlea, Tinnitus, GeneticsTravaux en français237 207