Synaptopathy in Guinea Pigs Induced by Noise Mimicking Human Experience and Associated Changes in Auditory Signal Processing
Notice bibliographique
Résumé
Noise induced synaptopathy (NIS) has been researched extensively since a large amount of synaptic loss without permanent threshold shift (PTS) was found in CBA mice after a brief noise exposure. However, efforts to translate these results to humans have met with little success-and might not be possible since noise exposure used in laboratory animals is generally different from what is experienced by human subjects in real life. An additional problem is a lack of morphological data and reliable functional methods to quantify loss of afferent synapses in humans. Based on evidence for disproportionate synaptic loss for auditory nerve fibers (ANFs) with low spontaneous rates (LSR), coding-in-noise deficits (CIND) have been speculated to be the major difficulty associated with NIS without PTS. However, no robust evidence for this is available in humans or animals. This has led to a re-examination of the role of LSR ANFs in signal coding in high-level noise. The fluctuation profile model has been proposed to support a role for high-SR ANFs in the coding of high-level noise in combination with efferent control of cochlear gain. This study aimed to induce NIS by a low-level, intermittent noise exposure mimicking what is experienced in human life and examined the impact of the NIS on temporal processing under masking. It also evaluated the role of temporal fluctuation in evoking efferent feedback and the effects of NIS on this feedback.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».