-
题名机器学习模型在ABR波形解读中的应用研究进展
- 1
-
-
作者
豆慢慢
关静
王秋菊
-
机构
解放军总医院第六医学中心耳鼻咽喉头颈外科医学部耳鼻咽喉内科国家耳鼻咽喉疾病临床医学研究中心
浙江中医药大学医学技术与信息工程学院
-
出处
《听力学及言语疾病杂志》
北大核心
2025年第4期395-398,共4页
-
基金
国家自然科学基金面上项目(82271171、82271189、82171130)
国家自然科学基金重点项目(81830028)
+2 种基金
国家自然科学基金优秀青年基金项目(82222016)
解放军总医院优青培育专项(2020-YQPY-004)
军队医学科技青年培育计划孵化项目(19QNT058、21QNPY100)联合资助。
-
文摘
听性脑干反应(auditory brainstem respinse,ABR)是一项评估患者听力的客观的电生理测试,对其结果的解读主要是波I到波V潜伏期以及反应阈值的识别。波I到波V的潜伏期对临床医生判断患者听觉神经通路状况有重要的参考价值,因此这项检查结果的准确解读尤为重要,但目前ABR结果的分析完全依赖于听力师的人眼识别和解读,经验不足的听力师对其波形解读存在一定困难。为了解决这个问题,许多学者提出使用机器学习(machine learning,ML)模型来客观解读ABR结果,机器学习有着强大的学习能力,可以独立完成一份客观且准确的ABR结果解读,它为ABR结果的客观准确解读带来了曙光。
-
关键词
ABR波形
ABR分类
机器学习
-
Keywords
Waveforms of ABR
Classification of ABR
Machine learning
-
分类号
R764
[医药卫生—耳鼻咽喉科]
-
-
题名突发性聋患者自我管理的潜在剖面分析及影响因素研究
- 2
-
-
作者
刘静
赵诺
李志红
苏怡
杜彩霞
王大勇
-
机构
解放军总医院第六医学中心耳鼻咽喉头颈外科医学部耳鼻咽喉内科
-
出处
《听力学及言语疾病杂志》
2025年第5期438-443,共6页
-
基金
国家重点研发计划课题(2023YFF1203504、2023YFC2508400、2023YFC2509800)
国家自然科学基金面上项目(82171130)
国家自然科学基金重点项目(81830028)。
-
文摘
目的探究突发性聋(简称突聋)患者自我管理行为的潜在剖面,分析不同类别患者的特征及影响因素,为临床管理提供参考。方法采用便利抽样法,选取2023年8月-2024年6月205例突聋住院患者为研究对象,使用一般情况调查表、突聋患者自我管理状况评估量表、社会支持评定量表进行调查。采用Mplus 8.0软件进行潜在剖面分析,SPSS 26.0软件进行单因素分析和多元Logistic回归分析。结果最终收回有效问卷200份,将患者按自我管理水平分为3个类别,据其特征分别命名为“高管理-自我效能良好组”(52例,26.00%)、“中管理-症状特别关注组”(101例,50.50%)、“低管理-信息获取欠缺组”(47例,23.50%)。文化程度、是否伴睡眠障碍、社会支持水平是突聋患者不同自我管理水平的影响因素。结论突聋患者整体自我管理水平为中等,且存在明显异质性,文化程度、睡眠障碍情况及社会支持水平是各类别患者的分层依据,可据此进行分类识别和干预策略制定。重点给予“低管理-信息获取欠缺组”患者信息支持,针对“中管理-症状特别关注组”患者薄弱环节提供干预,充分发挥“高管理-自我效能良好组”患者自我效能,调控自我管理水平。
-
关键词
突发性聋
自我管理
潜在剖面分析
-
Keywords
Sudden deafness
Self-management
Latent profile analysis
-
分类号
R764.43
[医药卫生]
-
