MétaCan
Menu
Retour à la cohorte
Enregistrement W3166408331 · doi:10.1200/jco.2021.39.15_suppl.5016

Hearing loss after cisplatin-based chemotherapy: Patient-reported outcomes versus audiometric assessments.

2021· article· en· W3166408331 sur OpenAlexaff
Shirin Ardeshir‐Rouhani‐Fard, Sophie D. Fosså, Robert Huddart, Patrick O. Monahan, Chunkit Fung, Yiqing Song, M. Eileen Dolan, Darren R. Feldman, Robert J. Hamilton, David J. Vaughn, Neil E. Martin, Christian Kollmannsberger, Paul C. Dinh, Lifang Hou, Yinan Zheng, Lawrence H. Einhorn, Robert D. Frisina, Lois B. Travis

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEar and Head Tumors
Établissements canadiensPrincess Margaret Cancer CentreUniversity of British ColumbiaUniversity Health Network
Organismes subventionnairesNational Institutes of Health
Mots-clésMedicineLogistic regressionConcordanceTinnitusMultinomial logistic regressionHearing lossAudiogramAudiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

5016 Background: Although pure-tone audiometry is the gold standard to evaluate hearing loss (HL), patient-reported outcomes are practically more time and cost effective. However, no data exist on factors associated with discrepancies between patient-reported and audiometrically-defined HL in adult-onset cancer survivors after cisplatin-based chemotherapy (CBCT); and few comprehensive assessments of factors associated with audiometrically-defined HL have been conducted. Methods: A total of 1,410 testicular cancer survivors (TCS) ≥6 months post-CBCT completed comprehensive audiometric assessments (0.25-12 kHz) and detailed questionnaires of sociodemographic, clinical, and health behaviors. Audiometrically-defined HL severity was defined using American Speech-Language-Hearing Association (ASHA) criteria. Multivariable multinomial logistic regression identified factors associated with discrepancies (overestimation and underestimation vs. concordance), between patient-reported and audiometrically-defined HL and multivariable ordinal logistic regression evaluated factors associated with the HL severity. Results: Overall, 34.8% of TCS self-reported HL, while 77.8% had audiometrically-defined HL. Among TCS without tinnitus, those with audiometrically-defined HL at only extended high frequencies (EHFs) (10-12 kHz) (17.8%) or at both EHFs and standard frequencies (0.25-8 kHz) (23.4%) were significantly more likely to self-report HL than those with no audiometrically-defined HL (8.1%) (OR = 2.48; 95%CI, 1.31-4.68 and OR = 3.49; 95%CL,1.89-6.44, respectively). Older age (OR = 1.09; P< 0.0001), absence of prior noise exposure (OR = 1.40; P= 0.02), and mixed/conductive HL (OR = 2.01; P= 0.0007) were associated with greater underestimation of audiometrically-defined HL severity. Hearing aid use (OR = 0.18; P= 0.003) and higher education ( P= 0.004) were associated with less underestimation of audiometrically-defined HL severity, while tinnitus was associated with greater overestimation ( P< 0.0001). Older age (OR = 1.13; P< 0.0001), cumulative cisplatin dose ( > 300 mg/m 2, OR = 1.47; P= 0.0001), and hypertension (OR = 1.80; P= 0.0007) were associated with greater ASHA-defined HL severity, whereas post-graduate education (OR = 0.58; P= 0.005) was associated with less severe HL. Conclusions: Discrepancies between patient-reported and audiometrically-defined HL after CBCT are associated with several factors including age, education, tinnitus, prior noise exposure, use of hearing aids, and conductive HL. Understanding these factors will help clinicians to better interpret self-reported HL as a surrogate for audiometric assessments. For survivors who self-report HL, but have normal audiometric findings at standard frequencies, referral to an audiologist for additional testing and inclusion of EHFs in audiometric assessments, should be considered.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,071
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,182
Tête enseignante GPT0,515
Écart entre enseignants0,333 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetEar and Head TumorsTravaux en français237 207