机器学习以表征语音识别和生活质量结果在成年耳植入物使用者

科学领域:

• 听力学和语音语言病理学
• 生物医学工程 生物医学工程
• 医疗保健中的机器学习

背景情况:

• 成年耳植入物 (CI) 使用者在语音识别 (SR) 和生活质量 (QOL) 结果中表现出显著的变化.
• 传统的人口和听力学因素解释了这种结果变化的不到40%.
• 在CI使用者中,SR和QOL结果的相关性很弱.

研究的目的:

• 使用监督机器学习方法开发患者个人资料.
• 解释成年CI使用者的SR和QOL结果的变化.
• 确定歧视不同结果群体的因素.

主要方法:

• 一项前性队列研究,涉及49名经验丰富的成年CI使用者,在单一的三级护理中心.
• 使用监督机器学习来识别患者的个人资料.
• 使用PRESTO测量语音识别 (SR),使用NCIQ测量生活质量 (QOL),参与者被分为四个结果组.

主要成果:

• 在CI使用者中确定了四种不同的患者档案.
• 关键的区分因素包括听力损失的持续时间和发病时的年龄.
• 认知语言因素,如语音/词汇处理速度,工作记忆和非语言推理显著区分了结果组.

结论:

• 一系列全面的评估可以描述CI用户的个人资料,其SR和QOL结果各不相同.
• 这种分析方法可以识别高风险的个体,导致不良结果.
• 这些发现表明,针对CI受益者量身定制的咨询和康复策略的潜力.