MétaCan
Menu
Retour à la cohorte
Enregistrement W3215795447 · doi:10.1080/14992027.2021.2005832

Optimising hearing aid output to paediatric prescriptive targets improves outcomes in children

2021· article· en· W3215795447 sur OpenAlexaff
Nur Azyani Amri, Tian Kar Quar, Foong Yen Chong, Marlene Bagatto

Notice bibliographique

RevueInternational Journal of Audiology · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésHearing aidAudiologyHearing lossQUIETDigital subscriber lineSpeech perceptionMedicineIntelligibility (philosophy)Unilateral hearing lossPerceptionPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study examined the accuracy of hearing aid output to DSL v5.0 Child targets in a group of children who wear hearing aids, and the impact on their auditory outcomes. DESIGN: For each participant, the output of the initial hearing aid fitting was compared to DSL v5.0 Child prescriptive targets and again after the fitting was adjusted using coupler-based verification and RECD measures. Outcomes for initial and adjusted fittings were examined using the Speech Intelligibility Index (SII), Parent's Evaluation of Aural/Oral Performance of Children (PEACH) rating scale, and speech perception tests in quiet and noise. STUDY SAMPLE: Sixty-eight children aged 3 months to 17 years with moderate to profound hearing loss participated in the study. RESULTS: Fit-to-targets improved significantly after hearing aids were adjusted to match targets to within 5 dB RMSE. Adjusted hearing aids provided increased aided audibility compared to initial fittings and resulted in improved speech perception scores and parent-reported hearing performance. Fifty percent of the children aged 6 to 17 years preferred their adjusted fitting compared to 10% who preferred their initial fitting. CONCLUSIONS: Improvement in fit-to-target to a validated paediatric prescriptive formula using best practice procedures can result in improved auditory outcomes and possible self-reported satisfaction.

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)0,004
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 enseignants0,422
Score d'incertitude au seuil0,447

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,024
Tête enseignante GPT0,303
Écart entre enseignants0,279 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of AudiologyMême sujetHearing Loss and RehabilitationTravaux en français237 207