MétaCan
Menu
Retour à la cohorte
Enregistrement W3007627473 · doi:10.2196/15843

Therapist-Guided Telerehabilitation for Adult Cochlear Implant Users: Developmental and Feasibility Study

2020· article· en· W3007627473 sur OpenAlexvenueno aff
Christiane Völter, Christiane Schirmer, Dorothee Hinsen, Marieke Roeber, Stefan Dazert, Kerstin Bilda

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelerehabilitationPreprintCochlear implantAssistive technologyPsychologyMedicineAudiologyTelemedicineComputer scienceHealth careWorld Wide WebHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cochlear implants can provide auditory perception to many people with hearing impairment who derive insufficient benefits from hearing aid use. For optimal speech perception with a cochlear implant, postoperative auditory training is necessary to adapt the brain to the new sound transmitted by the implant. Currently, this training is usually conducted via face-to-face sessions in rehabilitation centers. With the aging of society, the prevalence of age-related hearing loss and the number of adults with cochlear implants are expected to increase. Therefore, augmenting face-to-face rehabilitation with alternative forms of auditory training may be highly valuable. OBJECTIVE: The purpose of this multidisciplinary study was to evaluate the newly developed internet-based teletherapeutic multimodal system Train2hear, which enables adult cochlear implant users to perform well-structured and therapist-guided hearing rehabilitation sessions on their own. METHODS: The study was conducted in 3 phases: (1) we searched databases from January 2005 to October 2018 for auditory training programs suitable for adult cochlear implant users; (2) we developed a prototype of Train2hear based on speech and language development theories; (3) 18 cochlear implant users (mean age 61, SD 15.4 years) and 10 speech and language therapists (mean age 34, SD 10.9 years) assessed the usability and the feasibility of the prototype. This was achieved via questionnaires, including the System Usability Scale (SUS) and a short version of the intrinsic motivation inventory (KIM) questionnaires. RESULTS: The key components of the Train2hear training program are an initial analysis according to the International Classification of Functioning, Disability and Health; a range of different hierarchically based exercises; and an automatic and dynamic adaptation of the different tasks according to the cochlear implant user's progress. In addition to motivational mechanisms (such as supportive feedback), the cochlear implant user and therapist receive feedback in the form of comprehensive statistical analysis. In general, cochlear implant users enjoyed their training as assessed by KIM scores (mean 19, SD 2.9, maximum 21). In terms of usability (scale 0-100), the majority of users rated the Train2hear program as excellent (mean 88, SD 10.5). Age (P=.007) and sex (P=.01) had a significant impact on the SUS score with regard to usability of the program. The therapists (SUS score mean 93, SD 9.2) provided slightly more positive feedback than the cochlear implant users (mean 85, SD 10.3). CONCLUSIONS: Based on this first evaluation, Train2hear was well accepted by both cochlear implant users and therapists. Computer-based auditory training might be a promising cost-effective option that can provide a highly personalized rehabilitation program suited to individual cochlear implant user characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,344
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetHearing Loss and RehabilitationTravaux en français237 207