MétaCan
Menu
Retour à la cohorte
Enregistrement W4407798137 · doi:10.3389/fnagi.2025.1548526

Prediction of hearing aid cognitive outcomes in age-related hearing loss

2025· article· en· W4407798137 sur OpenAlexafffund
Patrice Voss, Zaida Escila Martínez-Moreno, François Prévost, Anthony Zeitouni, Alejandro López Valdés, Etienne de Villers‐Sidani

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensMcGill University Health CentreMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchWilliam Demant Fonden
Mots-clésHearing aidCognitionHearing lossAudiologyCognitive declineDementiaPsychologyCognitive skillMedicineNeuroscienceDisease

Résumé

récupéré en direct d'OpenAlex

Although the phenomena underlying cognitive decline and dementia are complex, there is growing evidence suggesting that degraded sensory inputs caused by age-related hearing loss may play a central role in accelerating cognitive decline in older individuals. Further supporting this notion is evidence that hearing augmentation with hearing aids can mitigate hearing loss-related cognitive impairments. Despite this evidence, few studies have attempted to investigate hearing aid efficacy with a focus on cognitive outcome measures. In this preliminary study, we sought to determine if certain demographic and audiological factors are linked to individual differences regarding observed cognitive changes following hearing aid use. We show that several factors can explain large portions of the variance observed in cognitive score changes following short-term hearing aid use in first-time users, suggesting that it might be possible to develop predictive algorithms to determine individualized estimates of the cognitive benefit of hearing aid use. Future studies with larger sample sizes are warranted, in particular, to explore a wider array of cognitive functions, investigate a greater range of potential predictors, and better quantify their relative contribution to outcome measure estimates.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,291
Écart entre enseignants0,257 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetHearing Loss and RehabilitationTravaux en français237 207