《Audiology Research》:Reproducibility of the Cepstral Spectral Index of Dysphonia in Tracheoesophageal Speech and Exploratory Associations with Clinical Communication Measures
编辑推荐:
背景/目的:倒谱谱指数(Cepstral Spectral Index of Dysphonia, CSID)最初是为喉源性嗓音障碍开发的。研究人员评估了该指数在气管食管(tracheoesophageal, TE)语音中任务特异性的可重复性,及其与沟通指标和
背景/目的:倒谱谱指数(Cepstral Spectral Index of Dysphonia, CSID)最初是为喉源性嗓音障碍开发的。研究人员评估了该指数在气管食管(tracheoesophageal, TE)语音中任务特异性的可重复性,及其与沟通指标和手术/解剖构型之间的关联。方法:前瞻性纳入54名习惯性TE语音使用者。录音包含持续元音/a:/和四句连贯语音句子。重复分析使用相同录音并进行独立重新分段。采用组内相关系数(intraclass correlation coefficients, ICCs)、测量标准误(standard error of measurement, SEM)和平均绝对百分比差异(mean absolute percentage difference, MAPD)评估可重复性。头颈癌患者功能状态量表(Performance Status Scale for Head and Neck Cancer Patients, PSS-HN)语音子量表和视觉模拟量表(visual analog scale, VAS)分别评估功能可理解性和感知清晰度。PSS-HN一致性采用带序数权重的Gwet's AC2。Spearman相关检验经错误发现率(false-discovery-rate, FDR)校正。构型组间比较采用Kruskal–Wallis检验,并进行Benjamini–Hochberg校正和Bonferroni校正的两两比较。结果:连贯语音的单次测量ICC在操作者内为0.987–0.998,在评估者间为0.990–0.996;MAPD分别为1.02–1.99%和1.41–2.74%。持续元音的ICC为0.749和0.874;MAPD分别为8.12%和5.26%。PSS-HN的评估者内和评估者间AC2值分别为0.893和0.478。CSID与VAS的相关性为中等(绝对ρ = 0.239–0.468)。经校正后,五个任务在三个构型组间均存在显著差异(所有q ≤ 0.033)。在所有四个连贯语音任务中,全喉切除术后颈段食管置入假体的CSID低于重建组织置入者。持续元音无显著两两比较。结论:连贯语音CSID表现出高可重复性,而持续元音测量表现出更大变异性。构型组间差异无法独立归因于假体置入部位。与更广泛沟通指标的关联仍属探索性。仍需针对TE语音进行进一步验证,并与嗓音质量评级进行比较。
论文解读文章
一、研究背景与问题
全喉切除术(total laryngectomy, TL)、全咽喉切除术(total pharyngolaryngectomy, TPL)和全咽喉食管切除术(total pharyngolaryngoesophagectomy, TPLE)是晚期喉癌和下咽癌的既定治疗手段。这些手术消除了自然喉声源,可能显著影响术后沟通和生活质量。无喉语音康复选项包括食管语音、电子喉语音和使用语音假体(voice prosthesis, VP)的气管食管(tracheoesophageal, TE)语音。TE语音因常能更早获得功能性语音,且通常比食管语音具有更有利的声学和沟通结果而被广泛使用。
TE发声与喉发声存在根本差异。肺空气通过手术创建的 tracheoesophageal 瘘管改道,在不同于真声带的新声门或咽喉食管段内产生振动。由于切除范围、重建技术、组织特性和新声门构型的不同,振动源和声学输出在患者间差异很大。因此,TE语音可能高度非周期性,传统的逐周期扰动测量如jitter和shimmer在严重不规则信号中可能不可靠或无法解释。
倒谱方法提供了一种替代方案,因为它们不需要可靠的基频追踪。倒谱峰突出度(cepstral peak prominence, CPP)量化倒谱峰相对于背景倒谱的突出程度,反映声学信号中周期性或谐波组织的程度。倒谱谱指数(Cepstral Spectral Index of Dysphonia, CSID)是一种多参数回归指数,纳入倒谱和频谱信息,包括平滑CPP和低-高频谱能量比,对持续元音和连贯语音采用不同的模型项和权重。然而,CSID模型是从喉源性嗓音障碍说话者中开发的,并非源自TE说话者。
另一种多参数测量是声学嗓音质量指数(Acoustic Voice Quality Index, AVQI),结合持续元音和连贯语音信息,此前已应用于TE嗓音评估。在涉及112名喉源性嗓音障碍说话者的直接比较中,AVQI和CSID均与听者评定的嗓音障碍严重程度相关,但CSID通常比AVQI显示出更强的关联。然而,该研究未纳入TE说话者。尽管AVQI已在TE人群中评估,CSID对TE语音的适用性仍较少被表征。
二、研究目的
这项探索性研究的目的包括:(1)确定软件衍生的CSID值在TE语音中任务特异性的操作者可重复性和评估者间可重复性;(2)量化用作参考测量的临床沟通指标的一致性;(3)探索CSID与功能可理解性或感知语音清晰度之间的任务特异性关联。手术/解剖构型组在次要探索性分析中使用任务特异性CSID值进行比较。
三、主要技术方法
这是一项单中心、前瞻性、观察性研究,于2024年2月至2025年3月在日本癌症研究基金会癌症研究所医院进行。研究纳入54名习惯性日常TE语音使用者,其中25例TL、24例TPL、5例TPLE。录音在安静门诊康复室进行,使用心形动圈麦克风(SM48; Shure Incorporated)连接Computerized Speech Lab系统(CSL Model 4500b),采样率25 kHz,16位分辨率。每位参与者依次产生持续元音/a:/和日语版Consensus Auditory-Perceptual Evaluation of Voice(CAPE-V)的四个句子。CSID使用ADSV软件(ver. 4.0.0)生成。操作者手动定义分析段,独立重新分段。三名评估者独立评估PSS-HN语音子量表和VAS。统计方法包括ICC、SEM、MAPD、Gwet's AC2、Spearman相关、Kruskal–Wallis检验及相应校正。
四、研究结果
(一)参与者特征
队列包含54名参与者:25例(46.3%)接受TL,24例(44.4%)接受TPL,5例(9.3%)接受TPLE。评估时中位年龄71.0岁,46名(85.2%)为男性。27名(50.0%)有放疗史。语音假体置入在初次手术后中位7.0个月进行。声学评估时,距假体置入中位间隔10.8年,距初次手术中位间隔11.9年。所有54名参与者均为习惯性日常TE语音使用者。
(二)CSID的任务特异性可重复性
任务特异性CSID可重复性因语音任务而异。持续元音的操作者可重复性较低(ICC(1,1) = 0.749,SEM = 7.64 CSID单位,MAPD = 8.12%),而四个连贯语音任务的ICC(1,1)范围为0.987至0.998,SEM范围为0.89至2.91 CSID单位,MAPD范围为1.02%至1.99%。评估者间可重复性呈现类似模式:持续元音ICC(2,1)为0.874,SEM = 5.34,MAPD = 5.26%;连贯语音ICC(2,1)范围为0.990至0.996,SEM范围为1.24至2.54,MAPD范围为1.41%至2.74%。因此,连贯语音CSID测量高度可重复,而持续元音测量表现出更大的操作者依赖性和评估者间变异性。
(三)临床沟通指标的一致性
PSS-HN语音子量表的加权Gwet's AC2在评估者内为0.893,评估者间为0.478。VAS评估者内ICC(1,1)和ICC(1,3)分别为0.738和0.894。VAS评估者间ICC(2,1)和ICC(2,3)分别为0.250和0.500。这些发现表明个体评估者内部的一致性大于评估者间的一致性。
(四)与临床沟通指标的任务特异性关联
五个任务的CSID与PSS-HN的绝对相关系数范围为0.288至0.405,与VAS的范围为0.239至0.468。持续元音与VAS的关联数值最大(rho = 0.468)。在连贯语音任务中,全浊音句子与PSS-HN(rho = ?0.384)和VAS(rho = 0.423)的系数数值最大。经Benjamini–Hochberg校正后,除硬起声句子与VAS外,所有关联均保持在q < 0.05以下。
(五)探索性临床比较
五个语音任务在三个手术/解剖构型组间均存在显著差异,且所有五个总比较在FDR校正后仍显著:持续元音(H = 6.832,q = 0.033)、轻松起声句子(H = 12.919,q = 0.002)、全浊音句子(H = 17.817,q < 0.001)、硬声门起声句子(H = 15.511,q < 0.001)和清塞音句子(H = 21.739,q < 0.001)。Bonferroni校正的两两比较显示,位置1和位置3之间在所有四个连贯语音任务中均有显著差异。位置1与位置2在轻松起声、硬声门起声和清塞音句子中存在差异,而位置2和位置3在任何任务中均无显著差异。持续元音总比较显著,但无两两比较达到显著性。放疗史的未校正分析中,轻松起声句子和清塞音句子的CSID在放疗组中较高,但FDR校正后均不显著。
五、讨论与结论
研究显示TE语音中软件衍生的CSID可重复性强烈依赖于任务。连贯语音测量在重复分析和评估者间高度可重复,而持续元音CSID表现出更大的绝对和相对测量误差。持续元音CSID较低的可重复性可能反映持续新声门发声的时间不稳定性和手动选择的元音段对局部不规则性的更大敏感性。连贯语音可能提供多个发声事件,使ADSV算法衍生出更稳定的聚合表征。
PSS-HN和VAS发现凸显了声学嗓音特征与更广泛沟通结果之间的区别。PSS-HN语音子量表提供功能性语音可理解性的序数评估,而VAS评估感知的总体语音清晰度。这些沟通结果可能受发音、共鸣、语速、呼吸支持、手术重建和听者相关因素影响。评估者间变异性可能削弱了与CSID的观察关联。
任务特异性CSID与临床沟通指标之间的关联为中等,表明任务特异性声学嗓音特征仅解释了更广泛语音清晰度和功能可理解性变异的一部分。全浊音句子产生数值最大的关联,持续浊音可能提供更多以嗓音为限制的语境,减少清辅音的干扰,从而强调TE语音的发声成分。
手术/解剖构型分析加强了观察到的组间差异并非跨不同ADSV任务模型平均CSID值的人工制品的证据。然而,位置1由具有天然颈段食管段的TL病例组成,而位置2和3与TPL/TPLE和重建相关。差异可能反映切除范围、重建类型、组织生物力学、新声门位置或其组合,而非语音假体置入部位本身。
研究结论为:CSID可以从连贯TE语音录音中以高操作者和评估者间可重复性提取,而持续元音测量表现出更大变异性。与功能可理解性和感知总体语音清晰度的中等关联与这些测量代表比发声声学更广泛的沟通构型一致。由于商业CSID回归模型源自喉源性嗓音障碍并未经修改应用于TE语音,当前发现支持可重复的仪器表征和假设生成,而非将CSID验证为绝对TE严重程度量表。基于个体声学测量开发TE特异性模型并进行外部验证,以及与AVQI等指数直接比较,是必要的。