MétaCan
Menu
Retour à la cohorte
Enregistrement W4414427584 · doi:10.1080/14992027.2025.2559322

Clinician-developed modifiable script to support informational counselling during real-ear measurements

2025· article· en· W4414427584 sur OpenAlexaff
Kaitlyn A. Cau, Lorienne M. Jenstad, Brenda T. Poon, Chris Atchison, Sandra Baker

Notice bibliographique

RevueInternational Journal of Audiology · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésKey (lock)MEDLINEPerception

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to have experienced audiologists identify the key ideas to convey to clients about real-ear measurement (REM) verification and create a modifiable script to use for REM informational counselling. DESIGN: A modified concept mapping design was used. STUDY SAMPLE: Seventeen experienced audiologists participated in one or more research activities: brainstorming individual counselling statements; rating statements on importance and feasibility; and discussing in a focus group how the statements can be used in a counselling script. RESULTS: Brainstorming generated 227 statements. Researchers cleaned, combined, and recirculated the statements to participants for further ideas, resulting in 136 statements for sorting and rating. Sorting yielded eight categories: Other uses of the hearing aid (HA) test system (11 statements); Purpose of REM (24 statements); Description of procedure (14 statements); Personalisation of hearing aids (14 statements); Setting expectations (21 statements); Speech map stimulus levels (17 statements); Client preparation (19 statements); and On-screen orientation (16 statements). After rating and discussion in the focus group, the final script included 57 statements. CONCLUSIONS: This study identified the key ideas to convey during REM informational counselling and produced a modifiable script that individuals can use when conducting REM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

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

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 Opus0,088
Tête enseignante GPT0,376
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of AudiologyMême sujetHearing Loss and RehabilitationTravaux en français237 207