Realistic dual-task listening-while-balancing in older adults with normal hearing and hearing loss with and without hearing aids
Notice bibliographique
Résumé
Age-related hearing loss is a risk factor for mobility problems and falls, possibly due to poor access to spatial sounds or the higher allocation of attention required to listen, thereby reducing cognitive resources to support mobility. Introducing stabilizing spatial sounds or reducing cognitive load through hearing aids could possibly improve balance performance; however, evidence is mixed. Few studies have evaluated the effects of hearing aids and spatial sounds on balance during realistic, multisensory, dual-tasking conditions. This study used virtual reality to simulate a listening-while-balancing task in 22 older adults with normal hearing and 22 hearing aid users, tested with their aids on versus off. Participants performed a competing digits listening task (two, four digits) and a standing postural task, alone and in combination (dual task) under different visual, postural, and acoustical loads. Listening accuracy and postural outcomes (centre of pressure mean velocity, anterior-posterior standard deviation, medial-lateral standard deviation) were collected. With respect to listening accuracy, as expected, normal hearing adults had higher listening accuracy than those with hearing loss (aided better than unaided) and both groups performed better with eyes closed (vs. open) and under lower postural loads (firm vs. compliant). With respect to postural performance, hearing aids did not remarkably improve balance overall, with no effects on dual-task costs to posture. Other factors related to the complexity of the conditions (i.e., listening, visual, postural demands) differently influenced dual-task costs to posture in individuals with and without hearing loss. Overall, these results contribute to our understanding of how age-related hearing loss and hearing aids affect balance-related outcomes under realistic, complex, multisensory, multitasking 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».