A Tablet-Based Mobile Hearing Screening System for Preschoolers: Design and Validation Study
Notice bibliographique
Résumé
BACKGROUND: Hearing ability is important for children to develop speech and language skills as they grow. After a mandatory newborn hearing screening, group or mass screening of children at later ages, such as at preschool age, is often practiced. For this practice to be effective and accessible in low-resource countries such as Thailand, innovative enabling tools that make use of pervasive mobile and smartphone technology should be considered. OBJECTIVE: This study aims to develop a cost-effective, tablet-based hearing screening system that can perform a rapid minimal speech recognition level test. METHODS: An Android-based screening app was developed. The screening protocol involved asking children to choose pictures corresponding to a set of predefined words heard at various sound levels offered in a specifically designed sequence. For the app, the set of words was validated, and their corresponding speech power levels were calibrated. We recruited 122 children, aged 4-5 years, during the development phase. Another 63 children of the same age were screened for their hearing abilities using the app in version 2. The results in terms of the sensitivity and specificity were compared with those measured using the conventional audiometric equipment. RESULTS: For screening purposes, the sensitivity of the developed screening system version 2 was 76.67% (95% CI 59.07-88.21), and the specificity was 95.83% (95% CI 89.77-98.37) for screening children with mild hearing loss (pure-tone average threshold at 1, 2, and 4 kHz, >20 dB). The time taken for the screening of each child was 150.52 (SD 19.07) seconds (95% CI 145.71-155.32 seconds). The average time used for conventional play audiometry was 11.79 (SD 3.66) minutes (95% CI 10.85-12.71 minutes). CONCLUSIONS: This study shows the potential use of a tablet-based system for rapid and mobile hearing screening. The system was shown to have good overall sensitivity and specificity. Overall, the idea can be easily adopted for systems based on other languages.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».