更正:Ivanov等人研究了使用LittlEARS?早期言语产生问卷(LEESPQ)评估罗马尼亚人工耳蜗儿童早期言语发展情况。该研究发表于《Audiol. Res.》2025年第15卷,第172页。 作者包括:Alina Catalina Ivanov、Luminita Radulescu、Cristian Neagos、Sebastian Cozma、Corina Butnaru、Raluca Olariu、Petronela Moraru、Violeta Necula以及Cristian Martu

《Audiology Research》:Correction: Ivanov et al. Early Speech Development in Romanian Children with Cochlear Implants Assessed Using the LittlEARS? Early Speech Production Questionnaire (LEESPQ). Audiol. Res. 2025, 15, 172 Alina Catalina Ivanov, Luminita Radulescu, Cristian Neagos, Sebastian Cozma, Corina Butnaru, Raluca Olariu, Petronela Moraru, Violeta Necula and Cristian Martu

【字体: 大 中 小 】 时间:2026年03月06日 来源:Audiology Research 1.8

编辑推荐:

  摘要 目标:分析一组有经验的成年人工耳蜗(CI)使用者的言语感知结果,探讨其与电动态范围(EDR)参数之间的相关性,并根据CI性能的程度描述言语可懂度曲线的形态。方法:采用双中心回顾性观察研究。数据来源于36名植入Advanced Bionics设备的CI使用者的耳蜗植入数据库。

  摘要
目标:分析一组有经验的成年人工耳蜗(CI)使用者的言语感知结果,探讨其与电动态范围(EDR)参数之间的相关性,并根据CI性能的程度描述言语可懂度曲线的形态。方法:采用双中心回顾性观察研究。数据来源于36名植入Advanced Bionics设备的CI使用者的耳蜗植入数据库。结果:植入时的平均年龄为56.61岁。在大多数情况下,听力损失在植入前超过15年(80.55%),仅有11.11%的病例保留有残余听力。这表明言语治疗与更好的言语识别之间存在显著关系(p = 0.044)。同时,年龄、植入前的聋哑持续时间与最大言语感知能力之间没有发现相关性(p > 0.05)。平均言语听力图曲线在表现较差的受试者中显示出翻转现象,在表现中等的受试者中显示出平台效应。相比之下,表现优异的受试者的平均曲线形态更为陡峭(p < 0.0001)。言语识别阈值(SRT)和词识别得分(WRS)是言语听力图曲线的预测因子(p = 0.006)。即使按照耳蜗上的电极位置进行分组,平均T级、M级、动态范围和最大识别得分之间也没有发现直接相关性(p > 0.05)。结论:在这一特定群体中,EDR参数并未作为言语识别结果的独立预测因子显现出来。言语治疗和康复努力与性能提升之间存在显著关系,言语听力图曲线形态可能为评估整体CI性能提供更具体的临床工具。需要进一步的前瞻性研究,涉及更大、更同质的人群来验证这些发现。

1. 引言
当助听器无法帮助患者获得良好的言语可懂度时,人工耳蜗植入已成为管理重度至极重度听力损失的首选方案[1,2]。其应用范围正在逐步扩大,包括以前未考虑的特定听力损失情况(例如,单侧聋、不对称听力损失、斜坡型听力损失)[3,4,5]。然而,尽管候选标准有所放宽,言语感知结果的变异性仍然很高[6,7]。许多研究人员试图解决这一问题,识别出不同的患者相关因素、术中条件和术后康复陷阱,但结果各不相同[8,9,10,11,12]。此外,术后成年CI使用者与术前聋哑个体有不同的期望和需求,因为他们经常经历长期存储的语音记忆与CI传入的“新”信号之间的不匹配[13]。此外,他们表现出不同程度的残余神经可塑性,这可能与聋哑持续时间和手术时的年龄有关[14]。
言语可懂度已在安静和嘈杂条件下通过不同的测试进行评估,这为听力学家提供了CI接受者性能的客观衡量标准,尽管它没有考虑可以通过受益问卷更好地评估的主观和心理因素。事实上,一些作者发现言语识别百分比与自我评估问卷的结果之间没有显著或弱相关性[15,16,17]。
一个有趣的研究领域是CI的适配如何影响使用者的言语识别能力。从术后激活语音处理器到定期随访预约,听力学家参与了一个持续调整所谓“映射”的过程,该程序由许多变量组成,这些变量决定了声音如何转换为电脉冲[18]。CI的适配基于多个变量,不同的中心采用自己的时间表、测量方法和目标,因为目前尚无基于证据的指南[19]。
与感音神经性听力损失(SNHL)患者类似,其中增高的听力阈值和减少的动态范围通常会导致言语可懂度受损,CI使用者也可能由于映射的上限和下限刺激水平的变化而经历言语识别的负面影响。CI的动态范围包括电动态范围(EDR)和输入动态范围(IDR)。前者定义为最高可容忍电流水平(通常称为C级、M级或MCL)与声音的感知阈值(通常称为T级或THR)之间的差异[20]。理论上,较窄的EDR意味着将较大的声学动态范围压缩到较小的电动态范围内。过度压缩会扭曲语音包络或改变调制深度,降低时间分辨率,可能损害用户感知响度变化的能力。相反,较宽的EDR可以减少这种压缩的程度,可能允许声学输入和电输出之间更成比例的映射。
先前关于刺激水平和EDR对成年CI使用者言语感知影响的研究揭示了受限EDR的负面影响,尽管尚未一致报告显著效果[21,22,23]。
另一方面,IDR是映射到CI使用者EDR的传入声学信号的范围。通常,较宽的IDR会比狭窄的IDR捕获更多的传入声学信号,使CI使用者能够听到柔和、中等和响亮的声音[24]。狭窄的IDR可能会限制CI使用者听到柔和声音的能力,因为较少的传入声学信号被映射到CI使用者的EDR上[25]。由于响亮声音的广泛变化,过度降低IDR可能会降低言语理解能力,即使在没有背景噪声的情况下也是如此。
在CI系统中,将声学声压转换为电刺激需要一种强大的压缩策略,以将广阔的声学动态范围映射到人类听觉神经显著较窄的EDR上。制造商之间的主要分歧在于这种映射的数学性质。例如,Cochlear采用陡峭的对数压缩,其特征是Q值,而Advanced Bionics使用相对线性的幂律函数。在Cochlear系统中,Q值定义了映射到电动态范围上部的IDR百分比。对于标准Q = 20,映射函数高度非线性;较低的90%的声学输入范围被压缩到电范围的大约40%中。从视觉上看,这形成了一个陡峭的凸曲线,其中电输出从T级急剧上升并在C级达到平台。
对于Advanced Bionics,IDR可编程至80 dB,并假设麦克风的最小信号为25 dB。因此,通过将IDR设置为其最大值,麦克风可以获取25–105 dB SPL的声音信号。将声学信号压缩为电信号涉及两个阶段:对于高达大约60 dB的声学信号,压缩是线性的;超过60 dB时,压缩变为对数的,斜率取决于选定的M和IDR级别。因此,对于Advanced Bionics,电T级对应于25 dB的声学信号强度,而M级对应于等于或大于25 + IDR dB的声学强度。
声学和电信号之间的转换函数如下(由意大利米兰的Advanced Bionics提供):
??? = (?????)????????×(???55+????????+???????????)+??
其中“L”代表由包络曲线定义的水平,“GAIN”代表通道的可能放大倍数,以下关系给出了临床单位(CU)的转换:
CU? = ?????????????????????????????????????????????????????????(μ?A)×???????????????????????????(μ?s)1000×0.0128447
Cochlear的压缩与Advanced Bionics的压缩类似,因为它在Q值定义的声音强度水平以下提供线性压缩。一旦超过“Q”水平,压缩变为对数的。

2. 材料与方法
2.1. 参与者
我们在意大利巴勒莫的Policlinico “P. Giaccone”大学医院和墨西拿的Policlinico “G. Martino”大学医院进行了双中心回顾性观察研究。数据来源于各自医院听力诊断中心的耳蜗植入数据库,其中CI被激活,并在手术后对患者进行了随访。我们收集了36名CI使用者的数据(22名女性和14名男性),他们在2015年至2023年间植入了Advanced Bionics HiRes 90K Advantage或HiRes Ultra,使用HiFocus Mid-scala或SlimJ电极。所有受试者在植入时均为18岁或以上的后天性聋哑成人。为了选择同质的群体,排除了有耳蜗骨化、内耳畸形、单侧聋、严重神经和精神疾病以及不配合的患者。
参与者患有双侧SNHL,并且至少在一侧佩戴了一台CI,随访时间至少为2年。具体来说,12名患者是单侧CI使用者,3名是双侧植入者,21名是双模使用者。
伦理委员会决定本研究不需要伦理批准声明,考虑到其回顾性、缺乏随机化以及患者自愿选择CI的事实。
收集了关于患者人口统计学、病因、植入耳的聋哑持续时间[26]、激活后的言语治疗和CI使用时间的详细信息。经过仔细的病史询问后,患者接受了显微耳镜检查以排除中耳病变和/或活动性感染。纯音听力测试(PTA)由经过培训的听力学家使用Piano临床听力计(Inventis,帕多瓦,意大利)在隔音听力室中进行。空气传导使用设置在250–8000 Hz的TDH-49耳机测量;骨传导使用校准的骨传导器在250–4000 Hz范围内测量[27]。如果在给定频率下无法确定阈值,则将阈值设定为120 dB HL。为了评估CI或助听器的增益,我们使用FBT J5A扬声器(FBT Elettronica SpA,雷卡纳蒂,意大利)在距离参与者1米处的0°方位角进行了自由场测量听力测试。
言语识别在安静条件下使用Piano临床听力计(Inventis,帕多瓦,意大利)在隔音舱中进行,测试由经验丰富的听力学家使用标准临床协议进行。安静条件下的言语识别使用开放集、音素平衡的单词测试进行。向佩戴CI或助听器的患者呈现十个有意义的双音节单词,使用FBT J5A扬声器(FBT Elettronica SpA,雷卡纳蒂,意大利)在距离参与者1米处的0°方位角;测试在不同强度下进行,从最微弱的可听语音信号到70 dB HL。患者的言语感知结果是在他们最近的临床评估中获得的,使用每个受试者的日常程序和最常用的言语处理器设置。辅助听力条件包括仅使用CI(对于单侧CI使用者)、仅使用助听器和仅使用CI(对于双模使用者)、仅使用左耳和仅使用右耳(对于双侧CI接受者)。如果需要屏蔽较好听的耳朵,则使用插入式耳机对非测试耳朵进行语音噪声屏蔽。指导听众重复每个单词。计算正确答案的百分比(词识别得分,WRS)以确定最终得分。言语接收阈值(SRT)定义为个体能够识别50%语音材料的最低听力水平(dB HL);根据使用CI时达到的最大言语辨别百分比,患者被分为高(>70%的言语识别)、中等(40%至70%之间)和低(<40%)[28]。

2.2. 适配数据
参与者根据CI植入的时间佩戴Naída Q70、Q90或M90语音处理器。处理器编程由经验丰富的CI听力学家使用SoundWave?(版本3.2.12)和Target CI?(版本1.5)临床软件进行。HiRes Optima S是使用的言语编码策略。
每个参与者的编程程序遵循所有成年CI患者的标准临床协议。该协议包括测试不同的刺激频率和语音处理策略,调整电极阈值水平(T-levels)和最高舒适度水平(M-levels),以及修改其他参数,如增益、频率分配表和活跃电极的数量。具体来说,通过为每个活跃电极定义T-levels和M-levels来创建单独的映射图。这些参数对于根据患者的特定听觉范围定制电刺激至关重要。映射过程要求患者在一个主观量表上报告声音的响度,范围从几乎听不见到最大舒适度,其中M-levels通常设置为最大舒适度,T-levels设置为几乎听不见。虽然Advanced Bionics建议根据假设的20 dB电动态范围将T-levels设置为M-levels的10%,但本研究优先考虑通过测量每个电极的行为阈值来最大化柔和语音的感知,尽管这更加耗时。临床编程软件中使用的刺激是由“音调脉冲串”组成的,其持续时间取决于软件编程,频率取决于临床编程通道的中心频率。在此过程中,每个电极的电刺激(以CU为单位测量)从零开始逐渐增加。同时,受试者提供实时反馈,识别从最初检测点到最大舒适度水平的声音响度变化。此外,当听力学家激活植入物时,可以观察到整体电刺激的叠加效果。对于Advanced Bionics的Optima策略,每个通道都有其自己的刺激频率,以模拟耳蜗的时间编码,从而监测电刺激对患者响度的影响。

CI(人工耳蜗)的适配还包括设置语音处理策略、脉冲宽度、增益以及每个个体的活跃电极数量,以优化在对话和柔和声音水平下的语音可懂度;本研究使用的是HiRes Optima S语音编码策略,所有受试者都使用了默认的60 dB IDR。根据临床编程过程中移除的电极数量,这些患者在其日常程序中使用了14到16个活跃电极。EDR(电动态范围)是通过测量每个电极的T-levels和M-levels之间的差异来计算的。

对于表现出语音识别/音质下降、阻抗变化(通常<3.2 kOhms)、助听检测阈值升高(通常首先影响高频)和/或电诱发复合动作电位改变的患者,进行了完整性测试,以获取电场成像(EFI)的变化并检测V1故障[29]。这种硬件故障涉及HiRes Ultra和HiRes Ultra 3D人工耳蜗植入物的初始版本(V1),因为植入物容易受潮;具体来说,液体进入可能导致植入物的参考电极部分短路,从而降低刺激幅度和音质[29]。在随访期间,有五名受试者出现了V1故障;鉴于V1故障可能对语音感知结果的影响,我们仅包括了V1故障发生前的数据。

2.3 统计分析
连续变量以平均值±标准差(SD)表示,分类变量以数字和百分比表示。使用Shapiro–Wilks正态性检验评估数据的正态性。分类变量之间的比较使用卡方检验和Fisher精确检验进行。对于非正态分布的连续变量,使用Mann–Whitney U检验进行分析。如果数据呈正态分布且线性相关,则使用皮尔逊相关系数(Pearson’s correlation);否则,使用斯皮尔曼相关系数(Spearman’s rho)。进行了简单的逻辑回归分析,将语音发音曲线作为因变量,SRT、WRS、T-level、M-level和动态范围作为自变量。双尾p < 0.05被视为显著。使用的是STATISTICA软件版本8.0(StatSoft. Inc.,美国俄克拉荷马州塔尔萨)。

3. 结果
植入时的平均年龄为56.61 ± 13.37岁(年龄范围26–75岁),其中25%的患者年龄在70岁以上。平均随访时间为5.97年,平均每天佩戴CI时间为11小时。有三人双侧植入,58.33%为右侧植入,33.33%为左侧植入。在大多数病例(63.88%)中,未发现明确的听力损失原因。相比之下,在其余病例中,分别诊断出梅尼埃病5例、突发性感音神经性听力损失4例、中耳感染2例、耳硬化症1例和遗传性听力损失1例。86.11%的受试者的听力逐渐恶化。如图1所示,大多数病例的听力损失在植入前超过15年(80.55%),只有11.11%的病例在植入耳保留了残余听力。共有27.77%的患者在植入后接受了语音治疗,5名CI用户(12.91%)在随访期间出现了V1故障,平均发生时间为植入手术后4.2年;没有患者接受过修复手术。

图1. 植入前后的听力特征。
听力阈值统计分析(图2)显示,人工耳蜗植入患者的表现与使用助听器的患者有显著差异。这种差异在基线测量(p = 0.01)和使用设备时(p < 0.00001)都很明显。
根据CI的语音测听结果,16例患者属于高表现组,20例属于中等表现组,3例属于低表现组。植入耳的平均语音感知结果为69.74%,使用助听器的耳朵为70.66%(p = 0.9),其中9名高表现组患者能够达到100%的语音辨别能力,平均SRT为40.28 ± 10.42 dB HL;双模和单侧CI用户的平均最大语音辨别能力分别为69.52 ± 24.38 dB HL和61.66 ± 17.49 dB HL,两者之间没有显著差异(p = 0.33)。年龄、植入前的聋哑持续时间与最大语音感知能力之间没有相关性(p > 0.05)。相反,观察到语音治疗与更好的语音识别之间存在显著关系(p = 0.044)。CI佩戴时间不是语音感知结果的预测因素(p = 0.3594,OR = 1.0794,C.I. = 0.91–1.27)。
平均语音测听曲线(图3)显示,低表现组患者的曲线出现翻转现象,而中等表现组患者呈现平台效应。相比之下,高表现组的平均曲线形态更陡峭,尽管其形状与生理听力曲线不同(S形曲线)(p < 0.0001)。SRT和WRS被观察到可以预测语音测听曲线,较低的SRT(OR = 0.88,C.I. = 0.79–0.98,p = 0.006)和较高的WRS(OR = 0.88,C.I. = 0.79–0.98,p = 0.006)与更好的语音曲线形状相关(OR = 1.06,C.I. = 1.02–1.11,p = 0.006)。

图4 显示了整个队列中所有电极的平均T-levels和M-levels。所有映射图都显示所有电极被激活,除了四名受试者需要停用电极15和16。这导致T-levels和M-levels的值分别为19和223 CUs,平均动态范围为204 CUs。平均T-levels(ρ = 0.01,p = 0.9)、M-levels(ρ = ?0.07,p = 0.65)、动态范围(ρ = ?0.06,p = 0.69)与最大识别分数之间没有直接相关性。高表现组的中位数EDR(164 CUs)略高于其余组(p > 0.05)。T-level固定在M-level的10%的患者与T-level为0 CUs的患者之间没有显著的中位数WRS差异。

我们将电极根据其在耳蜗中的位置和假设的频率带刺激(1–6为低频,7–11为中频,12–16为高频)分为三组后进行了进一步分析。所有三组的平均T-levels、M-levels和动态范围都无法预测性能的“程度”或语音测听曲线的形状(p > 0.05)。

4. 讨论
优化CI接受者的语音识别技能是CI适配过程的主要目标;通过仔细的、个性化的随访,听力学家旨在最大化CI手术的好处[30]。然而,尽管付出了很多努力,人工耳蜗植入的结果仍存在很大的变异性,这并不总是可以通过植入前的因素来预测[31,32]。事实上,术后变量可能会影响CI用户的整体语音识别能力,因此在听力学家指导患者进行康复过程时应予以考虑[33,34]。其中一个有趣但仍有争议的研究领域是CI映射的动态范围[35,36,37]。修改其参数可能会影响可听声音的质量和数量,从而改变CI用户的语音感知结果[38]。显然,在CI激活后的初期阶段,逐渐增加EDR可以提高单词的可懂度并支持对更高电刺激水平的适应[20]。相反,在经验丰富的CI用户中,已经达到了一定的语音识别水平,进一步改善往往难以实现。更复杂的是,每个CI制造商都有自己特定的刺激策略、适配参数、电极特性和语音处理技术,这使得直接比较不同CI接受者的结果变得困难。

我们的研究回顾性地评估了一组经验丰富的后天性听力障碍成人患者,他们植入了HiRes设备。即使根据电极在耳蜗中的位置和假设的频率带刺激将电极分为三组,也没有发现T-levels、M-levels、EDR和语音感知结果之间存在显著相关性(p > 0.05)。多项研究未发现EDR与语音识别能力之间存在强相关性[21,22,23,39,40]。Kim等人研究了使用Nucleus设备至少5年的用户,发现EDR与PB单词和辅音得分有弱相关性,但与CAP、K-CID和元音得分无关[21]。另一项研究分析了97名晚发性听力障碍患者的Cochlear设备数据,得出EDR范围在40–60电流水平时与更好的语音识别测试结果显著相关[41]。其他作者采取了不同的方法,探讨了调整映射参数后语音感知的变化。例如,Busby和Aroora评估了19名使用Nucleus CI系统的CI患者,他们在不同的EDR扩展和压缩水平下的表现;他们发现30%扩展和30%压缩没有显著效果,而60%和90%扩展在安静条件下的辅音-核-辅音得分以及噪声环境下的句子信噪比(SNR)中表现出显著下降[36]。Martin等人研究了15名使用Cochlear设备且听力体验超过12个月的成年CI用户的性能。他们观察到降低C-levels会导致单音节和句子测试中的语音感知能力下降;此外,高于行为阈值的T-levels提高了声场阈值,但并未影响安静或嘈杂条件下的语音识别测试表现[37]。不幸的是,由于各种方法、设备、适配、性能评估和受试者特征的不同,我们无法将上述所有结果与我们的数据直接对比。

我们调查的一个有趣发现来自于对语音识别“动态”的研究;换句话说,我们试图更好地理解不同语音呈现水平下语音辨别能力的变化。文献数据通常关注单一语音结果,如SRT或WRS,而没有分析CI用户的曲线形态。根据CI的性能程度,我们发现低表现组出现翻转现象,中等表现组呈现平台效应,而高表现组的平均曲线形态更陡峭(p < 0.0001)。此外,SRT和WRS被证明可以预测语音测听曲线,较低的SRT和较高的WRS与更好的语音曲线形状相关(p = 0.006)。我们推测,语音曲线不仅能够提供关于不同音量下听力表现的信息,还可能间接反映神经储备情况,而神经储备对于编码正确理解语音所需的频谱信息至关重要。然而,目前无法确定听觉神经系统中的哪个部分受到了损伤;有人可能假设螺旋神经节细胞数量的减少导致了人工耳蜗(CI)性能不佳,但Cheng和Svirsky最近的一项荟萃分析并未发现这种相关性[42]。此外,尽管人工耳蜗可以将听力恢复到接近正常的水平,但人工耳蜗使用者在心理声学能力(如频谱和时间分辨率)方面往往有所下降[43,44]。频谱信息的减少会导致在复杂声音(尤其是在嘈杂环境中)的听觉辨别和分析频率成分时遇到困难[45]。先前的研究也显示,人工耳蜗使用者在时间处理能力方面存在缺陷,这通过间隙检测和时间调制检测、音高和持续时间模式测试得到了验证[46,47,48]。

本研究存在以下局限性。首先,由于调查具有回顾性且参与者数量相对较少,我们无法确定我们的结果是否具有代表性。其次,我们主要研究了EDR(有效输入电平)的作用,因为所有患者的IDR(输入信号强度)都保持在60分贝。实际上,60分贝是最新高级仿生学适配软件中的默认设置。在高级仿生学设备中,65-80分贝的IDR范围可以在安静环境中最佳地感知单音节;然而,任何超过65分贝的扩展都应评估其可听噪声底限,如果可以接受的话,应在临床环境中提供给人工耳蜗使用者以获取反馈。在嘈杂环境中,50分贝的IDR能够提供最佳效果[22]。第三,我们没有进行噪声中的语音测试,而这可能更真实地反映语音辨别能力。在现实生活场景中,背景噪声常常影响语音的可懂度,研究人工耳蜗适配和其他因素如何影响噪声环境中的语音识别将非常有价值。然而,鉴于我们的队列中没有证据表明EDR与安静环境中的语音有直接关联,因此不太可能发现其与噪声中语音辨别之间的相关性。最后,我们的样本仅由有经验的成人人工耳蜗使用者组成;所有参与者都表现出稳定的结果——尽管并不总是最佳状态——其中大多数人的WRS(言语识别率)≥70%。与其他研究一致[49],植入后的语音治疗与更好的语音辨别显著相关(p < 0.05),而其他预后因素则没有这种关联。这可以理解为每个人工耳蜗使用者的情况都是独特的,其表现是由多种因素相互作用的结果,临床医生在推荐患者进行人工耳蜗植入时需要考虑这些因素[31,50,51]。实际上,即使负面预后因素可能指导听力学家为人工耳蜗手术设定现实的期望,我们也强调,在“合适”的候选人中也可能出现无法解释的较差结果。鉴于此,应尽一切努力提供全面和清晰的手术前咨询以及有针对性的术后随访。观察到的27.77%的康复依从率突显了理论临床路径与实际操作之间的显著差异。虽然某些国际医疗模式要求进行综合或住院康复——通常能实现几乎普遍的初始参与——但当地的情况往往表现为三级转诊中心和社区设施之间的结构分裂。这种差距通常因缺乏专门从事成人听觉康复的语言病理学家而加剧。除了系统障碍外,这种低依从率还反映了向患者主导的自主康复模式的转变。后天性聋哑且已有语言框架的成年人越来越倾向于生态听觉训练和数字健康干预(例如移动应用程序、音频流媒体)而非传统的诊所治疗。此外,康复负担现象——即长时间手术过程后的累积心理和后勤疲惫——可能促使患者优先快速回归社会常态。在许多情况下,一旦达到功能性沟通平台,继续接受正式治疗的边际效用就会降低,从而导致临床随访的战略性中断,转而采用非正式的、现实生活中的听觉整合方式。

结论

我们的研究强调了人工耳蜗适配的复杂性及其对语音感知的影响。虽然仅凭EDR参数无法预测有经验的后天性聋哑成人人工耳蜗使用者的语音识别结果,但结果表明,语音治疗和系统化康复不仅仅是补充措施,而是优化性能的基础。康复促进了神经可塑性,使大脑能够解码来自人工耳蜗的退化电信号,并弥合可听性和理解力之间的差距。这一发现与更广泛的文献一致,这些文献强调个性化康复计划对于实现最佳效果至关重要。语音治疗和康复工作对于优化性能至关重要。此外,我们建议临床评估应超越SRT(言语识别阈值)或WRS(言语识别率)等静态单点测量方法,而应优先考虑对“语音听力图曲线”的全面分析——该曲线绘制了在不同音量下理解语音的百分比。这条曲线的斜率提供了对整体人工耳蜗性能的更全面视图;更陡峭的曲线表明患者能够在音量最小增加的情况下实现高可懂度,反映了更高效的心理声学处理能力。分析这些曲线使临床医生能够可视化随着提示可听度变化而变化的性能,从而更深入地了解患者的信号处理过程。这些数据对于预测长期结果和制定个性化护理计划(如特定的听觉训练或映射调整)至关重要。需要更大样本量和更具同质性的群体进行进一步研究,以更好地理解EDR与语音辨别结果之间的相互作用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号