Customized strategies for managing cochlear implant stimulation side effects
Notice bibliographique
Résumé
OBJECTIVES: Cochlear implants restore functional hearing but may cause side effects like facial nerve stimulation, sound sensitivity or reactive tinnitus. The present study aimed to establish a general framework for optimizing stimulation parameters to manage these side effects while maximizing speech perception performance. A second objective was to understand how side effect origins impact treatment outcomes. METHODS: Eight adult cochlear implant subjects had intolerable side effects that rendered device usage difficult or even impossible. New maps were created by reducing stimulation levels, increasing pulse duration, reducing stimulation rate, altering channel gains and frequency maps, deactivating problematic electrodes, or a combination of the above. Outcomes were measured in terms of side effect reduction and changes in speech performance. RESULTS: Facial nerve stimulation was reduced or eliminated in five of five subjects. Sound hypersensitivity was eliminated in two of two subjects. Tinnitus was alleviated in three of four subjects, while the remaining one with cerebellar malformation experienced no change. Speech performance was either maintained or improved in all subjects. Except for the subject with cerebellar malformation who chose to explant the device, all subjects were able to use the implant effectively without bothersome side effects. DISCUSSION: Facial nerve stimulation is usually related to electric current spread on the same side, which can be effectively managed by customized strategies. In contrast, the origins of sound sensitivity and reactive tinnitus are more variable and likely more difficult to manage. CONCLUSION: Customized mapping can alleviate cochlear implant side effects without compromising speech performance.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».