Electrocochleography and cognition are important predictors of speech perception outcomes in noise for cochlear implant recipients
Notice bibliographique
Résumé
Although significant progress has been made in understanding outcomes following cochlear implantation, predicting performance remains a challenge. Duration of hearing loss, age at implantation, and electrode positioning within the cochlea together explain ~ 25% of the variability in speech-perception scores in quiet using the cochlear implant (CI). Electrocochleography (ECochG) responses, prior to implantation, account for 47% of the variance in the same speech-perception measures. No study to date has explored CI performance in noise, a more realistic measure of natural listening. This study aimed to (1) validate ECochG total response (ECochG-TR) as a predictor of performance in quiet and (2) evaluate whether ECochG-TR explained variability in noise performance. Thirty-five adult CI recipients were enrolled with outcomes assessed at 3-months post-implantation. The results confirm previous studies showing a strong correlation of ECochG-TR with speech-perception in quiet (r = 0.77). ECochG-TR independently explained 34% of the variability in noise performance. Multivariate modeling using ECochG-TR and Montreal Cognitive Assessment (MoCA) scores explained 60% of the variability in speech-perception in noise. Thus, ECochG-TR, a measure of the cochlear substrate prior to implantation, is necessary but not sufficient for explaining performance in noise. Rather, a cognitive measure is also needed to improve prediction of noise performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».