Factors Associated With Longitudinal Patterns of Hearing Aid Use
Notice bibliographique
Résumé
Background and Objectives: The objectives of this study are to identify patterns of hearing aid usage among U.S. National Health & Aging Trends Study (NHATS) participants and to examine users' characteristics associated with each pattern. Research Design and Methods: Using data from 666 adults ages 65 and above from NHATS, we analyzed individuals' self-reported hearing aid use from eight waves of data, 2011-2018, using group-based trajectory modeling to identify clusters of individuals with similar utilization patterns of use over time. Potential risk factors associated with membership to a specific group included baseline sociodemographic characteristics, problems with activities of daily living, presence of a caregiver, and experiencing problems with their hearing aid. We compute and analyze the odds ratios between individuals' baseline characteristics and group membership. Results: = 35, 5.2%). Individuals with an income under the poverty line had 2.9 (95% CI: 1.09, 7.75) and 2.7 times (95% CI: 1.38, 5.27) the odds of being in the interrupted and ceased use group, respectively, compared with the continued use group. Other risk factors for interrupted and ceased use included lower education and having a caregiver. Discussion and Implications: Nearly a quarter of hearing aid users experience interrupted or ceased use of hearing aids. Socioeconomic factors, such as age, income, and education, may be relevant for how individuals use assistive medical devices over time and could inform policymakers to support maintained use of hearing aids.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».