A Mobile Phone–Based Approach for Hearing Screening of School-Age Children: Cross-Sectional Validation Study
Notice bibliographique
Résumé
BACKGROUND: Pure-tone screening (PTS) is considered as the gold standard for hearing screening programs in school-age children. Mobile devices, such as mobile phones, have the potential for audiometric testing. OBJECTIVE: This study aimed to demonstrate a new approach to rapidly screen hearing status and provide stratified test values, using a smartphone-based hearing screening app, for each screened ear of school-age children. METHOD: This was a prospective cohort study design. The proposed smartphone-based screening method and a standard sound-treated booth with PTS were used to assess 85 school-age children (170 ears). Sound-treated PTS involved applying 4 test tones to each tested ear: 500 Hz at 25 dB and 1000 Hz, 2000 Hz, and 4000 Hz at 20 dB. The results were classified as pass (normal hearing in the ear) or fail (possible hearing impairment). The proposed smartphone-based screening employs 20 stratified hearing scales. Thresholds were compared with those of pure-tone average (PTA). RESULTS: A total of 85 subjects (170 ears), including 38 males and 47 females, aged between 11 and 12 years with a mean (SD) of 11 (0.5) years, participated in the trial. Both screening methods produced comparable pass and fail results (pass in 168 ears and fail in 2 ears). The smartphone-based screening detected moderate or worse hearing loss (average PTA>25 dB) accurately. Both the sensitivity and specificity of the smartphone-based screening method were calculated at 100%. CONCLUSIONS: The results of the proposed smartphone-based self-hearing test demonstrated high concordance with conventional PTS in a sound-treated booth. Our results suggested the potential use of the proposed smartphone-based hearing screening in a school-age population.
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 | 0,001 | 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 ».