MétaCan
Menu
Retour à la cohorte
Enregistrement W2894521024 · doi:10.1016/j.neuroscience.2018.09.026

Noise-induced Cochlear Synaptopathy and Signal Processing Disorders

2018· review· en· W2894521024 sur OpenAlexaff
Heng-Chao Chen, Lijuan Shi, Lijie Liu, Shankai Yin, Steven J. Aiken, Jian Wang

Notice bibliographique

RevueNeuroscience · 2018
Typereview
Langueen
DomaineNeuroscience
ThématiqueHearing, Cochlea, Tinnitus, Genetics
Établissements canadiensDalhousie University
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésNeuroscienceAudiologyPsychologyNoise (video)BiologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Noise-induced hidden hearing loss (NIHHL) has attracted great attention in hearing research and clinical audiology since the discovery of significant noise-induced synaptic damage in the absence of permanent threshold shifts (PTS) in animal models. Although the extant evidence for this damage is based on animal models, NIHHL likely occurs in humans as well. This review focuses on three issues concerning NIHHL that are somewhat controversial: (1) whether disrupted synapses can be re-established; (2) whether synaptic damage and repair are responsible for the initial temporal threshold shifts (TTS) and subsequent recovery; and (3) the relationship between the synaptic damage and repair processes and neural coding deficits. We conclude that, after a single, brief noise exposure, (1) the damaged and the totally destroyed synapses can be partially repaired, but the repaired synapses are functionally abnormal; (2) While deficits are observed in some aspects of neural responses related to temporal and intensity coding in the auditory nerve, we did not find strong evidence for hypothesized coding-in-noise deficits; (3) the sensitivity and the usefulness of the envelope following responses to amplitude modulation signals in detecting cochlear synaptopathy is questionable.

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 seuil0,009

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
Bibliométrie0,0020,002
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)0,0030,001

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 Opus0,106
Tête enseignante GPT0,354
Écart entre enseignants0,247 · 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

Citations39
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroscienceMême sujetHearing, Cochlea, Tinnitus, GeneticsTravaux en français237 207