MétaCan
Menu
Retour à la cohorte
Enregistrement W4212896496 · doi:10.3389/fnins.2022.786383

Middle Ear Surgeries for Chronic Otitis Media Improve Cognitive Functions and Quality of Life of Age-Related Hearing Loss Patients

2022· article· en· W4212896496 sur OpenAlexaboutno aff
Juanjuan Gao, Junyan Chen, Jia Xu, Sichao Liang, Haijin Yi

Notice bibliographique

RevueFrontiers in Neuroscience · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAudiologyHearing lossQuality of life (healthcare)CognitionMedicineOtitisMiddle earCognitive declineChronic Suppurative Otitis MediaConductive hearing lossDementiaSurgeryPsychiatryInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Age-related hearing loss (ARHL) may limit communication, which is closely associated with cognitive decline of the elderly and negatively affects their quality of life. In ARHL patients who suffer chronic otitis media (COM), hearing impairment may worsen and negatively affect the cognition and quality of life. It is currently unknown whether restoration of the conductive hearing in the mixed hearing loss through middle ear surgeries can improve both the cognitive function and quality of life of the ARHL patients. Therefore, in the present study, the ARHL patients were followed up for 6 months after middle ear surgeries for COM, and both the cognitive functions and quality of life of the patients were assessed using Montreal Cognitive Assessment and Glasgow Benefit Inventory. It was found that both the cognitive functions and quality of life were improved 6 months after middle ear surgeries. In conclusion, hearing recovery after middle ear surgeries could improve cognitive functions and quality of life of ARHL patients with COM, and surgical intervention is, hence, recommended for COM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0010,000

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 Opus0,051
Tête enseignante GPT0,272
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetHearing Loss and RehabilitationTravaux en français237 207