首页 > 医疗资讯/ 正文
听力损失是全球致残的主要原因之一,与社会孤立、生活质量下降和痴呆症有关。对于中度至重度听力损失且无法再从助听器中获益的患者,人工耳蜗(CI)已成为标准的治疗选择,可改善患者的言语感知、生活质量和认知能力。在过去的十年中,人工耳蜗取得了广泛的成功,其候选标准也进一步扩大,包括低频残余听力、单侧耳聋(SSD)和非对称性听力损失(AHL)患者。
近期,来自范德比尔特大学医学中心的研究人员在《Otol Neurotol》上发表文章,为进行人工耳蜗植入候选评估(CICE)的患者开发了基于机器学习的转诊指南,并与广泛使用的60/60指南进行了比较。
研究为回顾性队列,在三级转诊中心进行。 研究群体为2015年-2020年接受CICE治疗的772名成人。变量包括人口统计学、无辅助阈值和单词识别得分。对接受CICE的患者进行随机森林分类模型训练,并使用引导交叉验证方法评估了建模方法的性能。主要结果为根据传统标准和扩展标准识别CI候选者的能力。
在具有完整数据的587例患者中,563例(96%)符合候选标准,60/60指南确定了512例(87%)患者。在随机森林模型中,单词识别得分、3000、2000和125阈值以及CICE年龄对候选资格的影响最大(Gini系数的平均降幅分别为2.83、1.60、1.20、1.17和1.16)。60/60指南的灵敏度为0.91,特异性为0.42,准确度为0.89(95%置信区间为0.86-0.91)。随机森林模型为灵敏度(0.96),特异性(1.00),准确度(0.96;95%置信区间为0.95-0.98)。在1000次引导迭代中,该模型的中位灵敏度为0.92(四分位数间距[IQR]为0.85-0.98),特异性为1.00(IQR为0.88-1.00),准确度为0.93(IQR为0.85-0.97),曲线下面积为0.96(IQR为0.93-0.98)。
随机森林模型和60/60指南在识别人工耳蜗植入候选者中的表现
综上所述,基于机器学习的新型筛查模型在预测CI候选者方面具有较高的敏感性、特异性和准确性。
原始出处:
Ankita Patro, Elizabeth L Perkins, Carlos A Ortega et al. Machine Learning Approach for Screening Cochlear Implant Candidates: Comparing With the 60/60 Guideline. Otol Neurotol. Jun 2023.
- 搜索
-
- 1000℃李寰:先心病肺动脉高压能根治吗?
- 1000℃除了吃药,骨质疏松还能如何治疗?
- 1000℃抱孩子谁不会呢?保护脊柱的抱孩子姿势了解一下
- 1000℃妇科检查有哪些项目?
- 1000℃妇科检查前应做哪些准备?
- 1000℃女性莫名烦躁—不好惹的黄体期
- 1000℃会影响患者智力的癫痫病
- 1000℃治女性盆腔炎的费用是多少?
- 标签列表
-
- 星座 (702)
- 孩子 (526)
- 恋爱 (505)
- 婴儿车 (390)
- 宝宝 (328)
- 狮子座 (313)
- 金牛座 (313)
- 摩羯座 (302)
- 白羊座 (301)
- 天蝎座 (294)
- 巨蟹座 (289)
- 双子座 (289)
- 处女座 (285)
- 天秤座 (276)
- 双鱼座 (268)
- 婴儿 (265)
- 水瓶座 (260)
- 射手座 (239)
- 不完美妈妈 (173)
- 跳槽那些事儿 (168)
- baby (140)
- 女婴 (132)
- 生肖 (129)
- 女儿 (129)
- 民警 (127)
- 狮子 (105)
- NBA (101)
- 家长 (97)
- 怀孕 (95)
- 儿童 (93)
- 交警 (89)
- 孕妇 (77)
- 儿子 (75)
- Angelababy (74)
- 父母 (74)
- 幼儿园 (73)
- 医院 (69)
- 童车 (66)
- 女子 (60)
- 郑州 (58)