The DizzyQuest: relation between self-reported hearing loss, tinnitus and objective hearing thresholds in patients with Meniere’s disease
Notice bibliographique
Résumé
BACKGROUND: Combining a mobile application-based vestibular diary called the DizzyQuest and an iPad-based hearing test enables evaluation of the relationship between experienced neuro-otological symptoms and hearing thresholds in daily life setting. The aim was to investigate the relationship between self-reported hearing symptoms and hearing thresholds in patients with Meniere's disease (MD), using the DizzyQuest and the iPad-based hearing test simultaneously. METHODS: The DizzyQuest was administered for 3 weeks in 21 patients. Using the experience-sampling-method (ESM), it assessed hearing loss and tinnitus severity for both ears separately. Each day after the DizzyQuest, an iPad-based hearing test was used to measure hearing thresholds. A mixed model regression analysis was performed to investigate relationships between hearing thresholds and self-reported hearing loss and tinnitus severity. RESULTS: Fifteen patients were included. Overall, pure-tone averages (PTAs) were not correlated with self-reported hearing loss severity and tinnitus. Individual differences in PTA results between both ears did not significantly influence the difference in self-reported hearing loss severity between both ears. Self-reported hearing loss and tinnitus scores were significantly higher in ears that corresponded with audiometric criteria of MD (p < 0.001). Self-reported tinnitus severity significantly increased with self-reported hearing loss severity in affected (p = 0.011) and unaffected ears (p < 0.001). CONCLUSION: Combining the DizzyQuest and iPad-based hearing test, facilitated assessment of self-reported hearing loss and tinnitus severity and their relationship with hearing thresholds, in a daily life setting. This study illustrated the importance of investigating neuro-otological symptoms at an individual level, using multiple measurements. ESM strategies like the DizzyQuest should therefore be considered in neuro-otological research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».