Modeling complex relationships in laryngeal pathologies: A structural equation analysis of dysphonia in Saudi Arabian patients
Notice bibliographique
Résumé
INTRODUCTION: Dysphonia is a prevalent laryngological condition that impairs communication and quality of life in several cases, however the interplay between risk factors and specific laryngeal pathologies remains poorly understood. Previous studies often lack structured modeling of these multifactorial interactions. We utilized structural equation modeling (SEM) in a large Saudi-based cohort to investigate the direct and indirect pathways linking demographic factors, behavioral variables, as well as the types of laryngeal pathologies. METHODS: Our retrospective cohort study retrieved and analyzed the relevant data from dysphonia patients at a tertiary-care hospital in Riyadh, Saudi Arabia. Laryngeal pathologies were categorized into structural, inflammatory, neurological, and functional types. Our proposed SEM framework has assessed both of the direct and indirect pathways from risk factors to these categories, including cross-pathology links and moderation effects. RESULTS: Our study cohort has included a total of 998 eligible dysphonia patients. Structural pathologies were most prevalent (33.9 %). The SEM demonstrated excellent fit (CFI = 0.961, RMSEA = 0.049) and identified significant pathways: female gender strongly predicted structural (β = 0.412) and functional pathologies; increasing age associated positively with inflammatory, neurological, and functional types; smoking strongly predicted inflammatory pathologies (β = 0.338); occupational voice use predicted structural (β = 0.356) and functional (β = 0.297). CONCLUSIONS: This SEM-based etiological model reveals peculiar and significant important dysphonia pathways with clear demographic signatures in a Saudi-based population. Findings highlight specific high-risk groups (as female voice professionals, older smokers) and important progression patterns (inflammatory-to-neurological, structural-to-functional). This framework helps to offer a more precise risk profiling, supporting targeted screening protocols and tailored preventive interventions based on specific risk factors and interconnected pathology development.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».