MétaCan
Menu
Retour à la cohorte
Enregistrement W4417497784 · doi:10.1080/14992027.2025.2601648

Cochlear implant wear time and speech perception outcomes in adults: recommendation for minimum daily wear time

2025· article· en· W4417497784 sur OpenAlexaff
Jacob Sulkers, Justyn Pisa, Daniela Stangherlin, Kristy-Anne Mackie, Jordan Hochman

Notice bibliographique

RevueInternational Journal of Audiology · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversity of ManitobaUniversity of WinnipegHealth Sciences CentreManitoba Beekeepers' AssociationWinnipeg Regional Health AuthorityManitoba Health
Organismes subventionnairesnon disponible
Mots-clésSpeech perceptionCochlear implantCochlear implantationHearing lossPerceptionDuration (music)

Résumé

récupéré en direct d'OpenAlex

Objective Variability in cochlear implant (CI) performance has traditionally been linked to pre-operative factors. This study examined the impact of daily CI wear time on post-operative performance in adult recipients.Design and Study Sample A retrospective analysis was conducted on 158 adult CI users comparing pre- and post-operative factors contributing to performance after one year of use. Participants were divided into post hoc groups for analysis: those wearing their CI less than 10 hours per day (n = 46) and those wearing it 10 or more hours per day (n = 112).Results Daily CI wear time was correlated with speech perception scores (CNC Words, r = 0.44, AzBio, r = 0.37). Regression analyses found that average wear time and age significantly predicted AzBio scores (R2 = 0.21) while wear time and duration of hearing loss predicted CNC Scores (R2 = 0.28).Conclusion Average daily CI wear time, age at implantation and duration of hearing loss are reliable predictors of speech perception scores. Individuals wearing their CI for at least 10 hours per day scored significantly higher than those wearing it less than 10 hours per day. Data suggest earliest possible implantation and CI use of at least 10 hours per day is beneficial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,316
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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