IRM et santé auditive : un suivi de l’audition des participants au Projet Courtois NeuroMod
Notice bibliographique
Résumé
L’imagerie par résonance magnétique (IRM) est l’une des techniques les plus utilisées en neurosciences. Malheureusement, elle implique une exposition à des niveaux de bruit importants. Cette exposition peut entraîner des effets temporaires ou permanents sur l’audition, surtout lorsqu’elle est prolongée ou répétée. Plusieurs inconnus subsistent au sujet des risques pour l’audition de sujets subissant des examens en IRM à répétition. L’objectif de ce projet était de suivre six participants de recherche subissant des examens IRM hebdomadaires et d’évaluer sur une base régulière l’évolution de leur audition. L’audition des participants a été testée périodiquement sur une période d’un an et demi. Des valeurs de référence ont été récoltées pour chacun des tests avant le début de ce projet. Des séances de tests auditifs ont ensuite été planifiées immédiatement avant et après un scan ainsi qu’à la suite d’un délai variant entre deux et sept jours après un scan. Un article scientifique présentant les résultats les plus importants de ce projet a été rédigé. Il comporte les résultats à deux des tests administrés aux participants: l’audiométrie par tons purs et les émissions otoacoustiques par produit de distorsion. Aucun effet de l’exposition au bruit du scanneur n’a été révélé par ces tests.
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 | 0,021 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».