MétaCan
Menu
← Retour à la cohorte
Enregistrement W4380628352 · doi:10.1371/journal.pone.0286986

Speech-in-noise performance in objectively determined cochlear implant maps, including the effect of cognitive state

2023· article· en· W4380628352 sur OpenAlexaboutno aff
Jessica M. Yiannos, Christofer Bester, Christopher Zhao, Barbara Gell, Dona M. P. Jayakody

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCochlear implantAudiologyNoise (video)CognitionSpeech perceptionMedicineSpeech recognitionPsychologyComputer scienceNeurosciencePerceptionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Cochlear Implant (CI) programming based on subjective psychophysical fine-tuning of loudness scaling involves active participation and cognitive skills and thus may not be appropriate for difficult-to-condition populations. The electrically evoked stapedial reflex threshold (eSRT) is an objective measure that is suggested to provide clinical benefit to CI programming. This study aimed to compare speech reception outcomes between subjective and eSRT objectively determined CI maps for adult MED-EL recipients. The effect of cognitive skills on these skills was further assessed. METHODS: Twenty-seven post lingually hearing-impaired MED-EL CI recipients were recruited, 6 with mild cognitive impairment (MCI- 4 male, 79 years ± 5), 21 with normal cognitive function (5 male, 63 years ± 12). Two MAPs were generated: a subjective MAP and an objective MAP in which eSRTs determined maximum comfortable levels (M-Levels). Participants were randomly divided into two groups. Group A trialled the objective MAP for two weeks before returning for outcome assessment. During the following two weeks, Group A trialled the subjective MAP before returning for outcome assessment. Group B trialled MAPs in reverse. Outcome measures included the Hearing Implant Sound Quality Index (HISQUI), Consonant-Nucleus-Consonant (CNC) word test, and Bamford-Kowal-Bench Speech-in-Noise (BKB-SIN) test. RESULTS: eSRT based MAPS were obtained in 23 of the participants. A strong relationship was demonstrated between global charge between eSRT-based and psychophysical-based M-Levels (r = 0.89, p < .001). The Montreal Cognitive Assessment for the Hearing Impaired (MoCA-HI) testing identified 6 CI recipients with MCI (MoCA-HI total score ≤23). The MCI group was older (63, 79 years), but were not otherwise different in sex, duration of hearing loss or duration of CI use. For all patients, no significant differences were found for sound quality or speech in quiet scores between eSRT-based and psychophysical-based MAPs. However, psychophysically determined MAPs showed significantly better speech-in-noise reception (6.74 vs 8.20-dB SNR, p = .34). MoCA-HI scores showed a significant, moderate negative correlation with BKB SIN for both MAP approaches (Kendall's Tau B, p = .015 and p = .008), with no effect on the difference between MAP approaches. CONCLUSION: Results indicate eSRT-based methods provide poorer outcomes than psychophysical-based method. While speech-in-noise reception is correlated with MoCA-HI score, this affected both behaviourally and objectively determined MAPs. The results suggest fair confidence in the eSRT-based method as a guide for setting M-Level for difficult-to-condition CI populations in simple listening conditions.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,055
Tête enseignante GPT0,284
Écart entre enseignants0,229 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetHearing Loss and Rehabilitation→Travaux en français237 207→