Mobile tablet audiometry in fluctuating autoimmune ear disease
Notice bibliographique
Résumé
BACKGROUND: Autoimmune inner ear disease (AIED) is a rare condition characterized by bilateral fluctuating sensorineural hearing loss (SNHL). The labile nature of this hearing loss makes it difficult to accurately quantify with conventional methods, and therefore it is challenging to rehabilitate. METHODS: Over a 9-month period one pediatric patient with severe AIED was monitored and conducted home audiograms using a previously validated testing system (Shoebox Audiometry). During this period he also underwent several clinical audiograms. The correlation between clinical and home audiograms was analyzed with a Pearson coefficient, and the range and frequency of fluctuations was recorded. RESULTS: Sixty-four automated home audiograms and nine clinical audiograms were conducted. When tested at home using a calibrated system the pure tone average (PTA) fluctuated between 12 dB and 72 dB indicating large variability in hearing. Fluctuations were frequent: on 28 occasions the PTA varied by at least 5 dB when retested within 4 days. The mean PTA was 50 dB and 95% of the thresholds were within 36 dB of the mean. Clinical audiograms obtained on the same day or within 1 day of home testing were highly concordant (with a Pearson coefficient of 0.93). CONCLUSION: AIED can result in significant fluctuations in hearing over short periods of time. Home testing enables a more granular look at variations over time and correlates well with clinical testing, and thus facilitates rapid action and informed rehabilitation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».