Predicting Age-Related Hearing Loss in Community-Dwelling Older Adults: Multicenter Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Age-related hearing loss (ARHL) is associated with severe negative outcomes, including social isolation, depression, and cognitive decline. Despite this, routine ARHL screening is often neglected in primary care due to low awareness, resource limitations, and inefficiencies. A practical risk assessment tool could effectively address this gap. OBJECTIVE: This study aims to develop and validate a user-friendly nomogram for identifying older adults at high risk of ARHL in community settings, thereby facilitating targeted screening and timely interventions. METHODS: This multicenter retrospective cohort study included 34,983 older adults from 3 primary health care centers in Beijing (January 2020 to October 2023). Data from center A (n=18,707) were used for model development, with external validation performed on cohorts from center B (n=11,008) and center C (n=5268). Least absolute shrinkage and selection operator and logistic regression identified the final predictors. Model performance was evaluated using discrimination, calibration, and decision curve analysis, leading to the development of an online nomogram. RESULTS: In the training cohort (center A), 1177 participants (6.3%) had hearing loss. Six key predictors were identified: age, education, exercise frequency, physical function, dietary habits, and hypertension. The multivariate logistic regression model demonstrated good discrimination in internal validation (area under the curve [AUC] 0.806, 95% CI 0.782-0.831; sensitivity 0.774; specificity 0.820). External validation confirmed its generalizability (AUC 0.720, 95% CI 0.670-0.771 and AUC 0.747, 95% CI 0.712-0.782). Decision curve analysis highlighted a substantial clinical net benefit. A user-friendly online prediction web page was also developed. CONCLUSIONS: We successfully developed and validated a dynamic, online nomogram for predicting ARHL in older adults. Comprising 6 readily available predictors, this model shows potential as a practical, online tool for proactive risk identification in primary care. However, further validation in larger and more diverse populations is essential to confirm its generalizability and real-world clinical utility.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».