这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
听力程序使助听器(HA)用户能够根据特定的听力情况更改设备设置,从而个性化他们的听力体验。然而,缺乏对现实世界中使用这种倾听程序来支持临床决策和评估HA治疗成功的调查。
我们的目的是调查在市场上大量HA用户中提供收听节目的情况,以及这些节目通常使用的环境。
首先,我们分析了向32,336名市场HA用户提供了多少程序以及哪些程序。其次,我们从1312名用户中选取了332,271个节目,以调查使用特定节目的声音环境,以及这些环境是否反映了所使用节目名称所传达的收听意图。我们的分析基于连接智能手机的HAs记录的真实纵向数据。
在我们的样本中,57.71%(18,663/32,336)的HA用户有针对特定听力情况的程序,这比之前报道的比例要高,很可能是因为纳入标准的原因。在关联规则挖掘的基础上,我们确定了一个主要的附加监听程序,
本研究对大规模听力节目的提供提供了更深入的了解,并证明了额外的听力节目是按照节目名称所传达的声音环境来使用的。
未经治疗的听力损失是一种普遍的情况[
因此,可编程多存储器已经被引入,它可以为用户提供多种听力程序,以适应特定的听力情况。目前,41%的HA业主都有这样的计划[
要从监听程序中获益,HA用户必须能够充分了解监听环境的特点,并主动选择适当的监听程序[
尽管不同的监听程序对HA用户可能是有益的,但人们对它们在现实世界中的使用知之甚少。德·格拉夫等[
这些研究表明,一些HA用户重视并使用在收听节目之间切换的选项。然而,现有的文献是稀疏和过时的。
在以前的研究中调查的听力程序习惯于为听力学参数设置一个恒定的水平(例如,更高的恒常降噪量),而现在的听力程序设置动态规则以适应参数的上下文(例如,在用户过渡到复杂环境时提供更早和更强的降噪的规则)。然而,有些问题仍未得到解答。首先,目前还不清楚是什么促使HA用户获得一个多内存HA并在程序之间手动切换,以及在哪种监听情况下用户特别寻求设备个性化。其次,正如上述系统回顾中所强调的那样,对于正确使用针对特定听力环境的节目,我们所知甚少。
此外,这些研究大多依赖于在短时间内收集的自我报告测量。事实上,他们使用日记或问卷,让HA用户报告使用情况、偏好和听力环境的细节。不能从这些数据中得出在每个监听环境中是否使用了适当的程序[
我们的目的是通过利用来自多个国家的市场用户的智能手机连接的客观数据来调查多内存HAs的提供和使用背景。首先,我们调查了为不同听力环境提供多种听力课程的情况。也就是说,我们检查了HA用户拥有和使用多少程序以及哪些程序,以及某些程序是否通常一起提供。其次,我们探讨了HA用户是否在不同的收听情境中使用特定的节目,以及这些情境是否反映了节目名称所传达的收听意图。我们通过关注那些反复使用特定节目的用户,并调查选择这些节目的声音环境来做到这一点。
本研究使用的数据来自一个大规模的内部数据库(Oticon a /S),该数据库储存了注册了HearingFitness功能的HA业主使用HA的日志[
根据丹麦国家科学伦理委员会,这项研究不需要额外的伦理批准[
通过使用合适的软件,听力护理专业人员可以为HA用户提供最多4个听力程序(即,HA中可用的4个内存插槽各一个),可以从预定义的听力程序列表中进行选择,可以微调和重命名预定义的听力程序,也可以自由创建新的听力程序。听力护理专业人员可以通过将特定的节目分配到首选的内存插槽来决定所提供的听力节目的数量和顺序。此外,当用户使用某些配件(例如电视适配器和远程麦克风)时,HA会在4个可用内存插槽之上添加特殊程序。
当智能音箱连接到智能手机时,HearingFitness功能会记录下与智能音箱互动的有时间戳的数据,比如选择特定的听力节目。为了考虑到听力护理专业人员在命名项目时采用的不同措辞或不同语言,类似的项目名称被编码在更少的类别中。此外,当HAs连接到智能手机时,每10分钟就会收集一次有关声音环境的带有时间戳的连续数据,每次收集的听力节目都是由用户选择的。这些数据代表了经校准的HA麦克风在耳级感应到的瞬间声波的声学特性。即在宽频带(0.1-10千赫)上测量声压级(SPL)、噪声底(NF)和声音调制级(SML)(以分贝为单位)[
SPL是时间常数为63毫秒的低通无限脉冲响应滤波器的电平输出估计[
对收听节目的提供进行了调查,包括拥有至少20小时使用信息的用户,并分析每个用户在4个月期间至少选择一次的节目。采用20小时阈值是为了确保评估程序提供的用户记录了足够的数据,同时仍然包括尽可能多的用户。
我们通过计算每个用户提供的节目数量,并分析最常提供的节目的名称和使用情况,来探索收听节目的提供情况。此外,我们通过确定关联规则来研究程序之间的关系[
在节目选择过程中,通过分析声音环境(SPL、NF和SML)来评估上下文节目的使用。对于每个特定听力节目的记录选择,以节目选择为中心的10分钟时间窗口内测量的声音环境被考虑(即,选择前5分钟和选择后5分钟)。对于每个程序,只有至少有5个选择的用户被包括在内。选择这样的阈值是为了确保用户的行为是从具有代表性的程序选择样本中推断出来的,同时,也不会丢弃太多用户。此外,基于文中所述的分析
为了可视化的目的,在同一用户重复选择特定节目时发生的声音环境被平均了。我们直观地比较了用户在选择特定收听节目时的平均声音环境与选择默认节目时的平均声音环境(即,
由于数据的不平衡性(每个参与者、每小时的样本不等),按照Oleson等人的建议,使用线性混合效应(LME)模型分析节目选择与声音环境之间的关联[
在哪里
此外,为了解释参与者行为的差异,我们用3个随机截距和斜率模型对数据进行拟合,定义如下:
与更简单的模型(方程1)相比,唯一额外的项是
此外,我们通过分析每次节目选择前5分钟和节目选择后5分钟测量的声环境,来调查节目选择前后声环境是否发生了变化。通过3个独立的LME模型评估节目选择前后声环境的差异,定义如下:
在哪里
数据操作和可视化是在Python中使用NumPy [
中描述的数据处理
在房委会用户中,57.71%(18,663/32,336)有>1收听节目(
除了提供程序外,还通过计算用户使用该程序和至少另一个程序在每个程序上花费的时间百分比来调查它们的使用情况。
研究支持度≥0.02,置信度>0.5 (
左侧显示每个用户可收听的节目数。下面介绍了6个最常提供的程序的提供和使用情况。图中显示了使用这6个程序的用户百分比(深蓝色条)和使用这些程序的时间百分比(浅蓝色条)。每个程序的使用时间百分比是针对拥有该程序和至少另一个程序的用户计算的。
支持度≥0.02,置信度>0.5,提升度>1的关联规则(参见听力节目提供部分)。每条规则的支持度由圆圈的面积表示,而信心则由颜色强度传达。
支持度≥0.02,置信度>0.5,提升度>1的关联规则。
规则 | 先行词 | 顺向 | 支持 | 报道 | 信心 | 电梯 | 数 |
1 | 音乐 | 噪音中的言语 | 0.14 | 0.23 | 0.62 | 1.35 | 2612 |
2 | 安慰 | 噪音中的言语 | 0.13 | 0.18 | 0.71 | 1.54 | 2357 |
3. | 舒适与音乐 | 噪音中的言语 | 0.04 | 0.06 | 0.79 | 1.71 | 801 |
4 | 音乐和电视一个 | 噪音中的言语 | 0.03 | 0.05 | 0.56 | 1.21 | 476 |
5 | 音乐和遥控麦克风 | 噪音中的言语 | 0.02 | 0.03 | 0.66 | 1.43 | 401 |
6 | 舒适和电视 | 噪音中的言语 | 0.02 | 0.03 | 0.67 | 1.45 | 377 |
一个电视:电视。
向用户提供1、2、3或4个特定收听节目的可能性。
由于研究结果发表在
首先,我们分析了主程序(
其次,我们分析了次级方案(
最后,我们调查了节目选择前后声音环境的变化程度。
似然比检验(SPL:
此外,事后方差分析检验表明,之间的相互作用
分析所处的声环境(声压级[SPL]、噪声底[NF]、声调制级[SML])
系数和95% ci用于预测声压级(SPL)、噪声底(NF)和声音调制级(SML),基于所选的收听程序(随机截距和斜率模型)。基线条件是
声音环境差异的5分钟运行平均值(SE)
所选的声压级(SPL)、噪声底(NF)和声音调制级(SML)的预测值
本研究通过分析通过智能手机连接的HA记录的真实数据,调查了HA监听程序的提供和使用背景。
在我们的样本中,大多数HA用户(18,663/32,336,57.71%)被发现有针对特定听力情况的听力程序
除了默认程序,
尽管是普通的程序,
随后,我们分析了其中的声环境
最后,我们分析了声音环境从节目选择前的时间窗口到节目选择后的时间窗口的变化。3种声学预测因子在选择时声环境变化不同
本研究通过分析同时使用智能手机应用程序的HA用户记录的数据,调查了HA收听程序的提供和使用背景。在概括本研究的发现时,应考虑所分析样本的技术熟练程度和对收听程序的兴趣。特别是,年龄较大和不太懂技术的HA用户可能遇到的复杂监听环境较少,因此从多个程序中受益较少[
就未来的工作而言,研究听力节目的提供在多大程度上取决于医管局用户的要求或听力护理专业人员的推荐,将是一件有趣的事情。事实上,传统上,听力护理专业人士对制定的听力解决方案有很大的影响,而有关听力计划提供的数据可能不仅反映了医管局用户的需求和偏好,也反映了专业人士的信念和知识。此外,个别预测因素对听力节目的提供和使用的作用值得进一步研究。事实上,个性化和情境化解决方案的益处可能取决于听力损失的程度或表征个体的其他数据,如年龄、先前患有HAs的经验、听觉认知能力或阈上听力特征。最后,当使用特定的听力节目时,在声音环境中发现的显著差异表明,分析的声音环境特征(SPL, NF和SML)是预测额外听力节目而不是默认节目选择的有希望的候选者。将这些客观的声音环境特征与更主观的上下文特征相补充,并对收听体验进行评估(例如,通过生态瞬时评估),也可能有助于更深入地理解HA收听程序的提供和使用。
助听器
线性混合效应
噪声地板
声音调制电平
声压级
AP和TIS对研究进行了构思和设计,组织了数据库,并进行了部分数据分析。美联社撰写了这份手稿。JHC进行了部分数据分析。JEL, KJJ, NHP和KS监督了研究结果并修改了最终的手稿。所有作者都对手稿做出了贡献,并阅读并批准了提交的版本。
AP, TIS和KJJ受雇于demand A/S。JHC, NHP, KS为Oticon A/S所使用。