Effects of Auditory Training on Cognition in Hearing Loss: A Systematic Review and Meta-analyses
Notice bibliographique
Résumé
Purpose: The aim of this study was to examine the efficacy of auditory training to improve cognitive function in patients with age-related hearing loss (ARHL). Research Design: This is a systematic review and meta-analysis. Study Sample: Seven studies involving 443 participants met the inclusion criteria. Participants were typically older adults (mean age = 67.23 years, standard deviation = 7.14) with mild to severe hearing loss. Intervention: Auditory training includes speech perception training, phoneme discrimination training, and so on. Data Collection and Analysis: A literature search of academic databases (Cochrane Library, PubMed, Web of Science, Embase, Wanfang, Weipu, and China National Knowledge Infrastructure) identified relevant articles published up to December 2023. This review includes only randomized controlled trials. The primary outcome is cognition function, measured by Montreal Cognitive Assessment, Mini-Mental State Examination, and other cognition-related subtest indicators. Results: The overall effect of auditory training on overall cognition and executive function in ARHL is statistically significant (overall cognition: g = 0.79, 95 percent confidence interval [CI]: 0.57, 1.01; executive function: g = 3.84, 95 percent CI: 1.49, 6.19), but executive function domain has high heterogeneity (I2 = 100 percent). The effect of auditory training on attention/processing speed and working memory is small and not significant (attention/processing speed: g = 1.47, 95 percent CI: −0.48, 3.42; working memory: g = 0.68, 95 percent CI: −2.22, 3.58), but both attention/processing speed (I2 = 96 percent) and working memory domain (I2 = 98 percent) have high heterogeneity. Conclusions: The overall impact of auditory training on overall cognition and executive function seems to be significant, but because of the low quality of the literature and certain biases, it is impossible to conclude that auditory training can improve the cognitive function of ARHL; therefore, more high-quality evidence is needed.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,027 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».