Eur Arch Otorhinolaryngol:人口统计学、听力学和助听器相关的变量对助听器使用结果的影响

2021-11-16 AlexYang MedSci原创

助听器(HA)是听力障碍患者最常用的康复设备。它们是改善听力、语言交流能力和健康相关生活质量的主要途径。

助听器(HA)是听力障碍患者最常用的康复设备。它们是改善听力、语言交流能力和健康相关生活质量的主要途径。

近期,来自四川大学华西医院的研究人员在《Eur Arch Otorhinolaryngol》上发表文章,调查了人口统计学、听力学和助听器相关变量对助听器结果的影响

研究共纳入了235名使用助听器至少3个月的成年听力损失(HL)患者,他们完成了听力测试和中文版的国际助听器结果量表(IOI-HA)。使用了Spearman相关分析和Wilcoxon测试确定了与IOI-HA总分和分量表分数相关的因素。随后进行了逐步多元线性回归分析,确定了各因素对HA结果的影响。

研究包括的235名成年HA使用者中,包括93名男性和142名女性,年龄在18-89岁。其中21.3%有耳鸣,75.3%的人有感音神经性听力损失,167人双耳均佩戴HA。四分之三的参与者每天使用HA的时间为6小时或以上。大多数参与者的听力阈值在中度和重度之间,从24到108dB HL不等。WRS的范围在0到100%,中位数为80%。中等价位的HA(单价格在20000至30000人民币之间)占所使用的HA的一半以上。研究结果发现,年龄、每日使用时间、HA价格、纯音平均(PTA)阈值、单词识别分数(WRS)、装配(双侧或单侧)和HA类型与IOI-HA总分和分量表分数相关。然而,只有WRS、每天使用HA的时间、HA价格和年龄进入了最终的回归模型中,并且是决定HA结果的因素

不同变量与IOI-HA总得分和子量表得分的关联情况

综上所述,HA结果是多维度的。在他们的研究中,WRS对HA结果的影响最大,似乎是一个主要的预测因素。因此,在安装HA前,WRS较高的HA使用者可以预测其满意度较高。日常使用时间、HA价格和病人年龄对HA结果也有很大的影响,在临床实践中应考虑这些因素以促进听觉康复

原始出处:

Xunyi Wang, Yun Zheng , Yiran Liu et al. Effects of demographic, audiologic, and hearing-aid-related variables on the outcomes of using hearing aids. Eur Arch Otorhinolaryngol. Nov 2021

 

作者:AlexYang



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题

相关资讯

临床研究中常见变量类型介绍

变量类型直接决定选择何种统计学方法,因此合理表示变量类型,在临床研究中相当重要。如因变量为数值变量时,多因素分析一般采用直线回归,如果为二分类变量时,一般采用二分类logistic回归分析。同时,变量类型之间存在转换关系。往往会将定量变量转换为等级变量,以便临床易于理解和应用。一 变量类型  变量类型不是一成不变的,根据研究目的的需要,各类变量之间可以进行转化。例如血红蛋白量(g/L)原属数值变量

中介变量、调节变量与协变量——概念、统计检验及其比较

中介变量、调节变量和协变量在因果关系中扮演着不同的角色,是重要的统计学概念。若将它们应用于研究当中,将有助于揭示变量之间的实质关系。然而,从国内已有的文献看,涉及到这些变量的研究并不多。即便是涉及到了这些变量,对它们的分析还很不到位,有的分析甚至是错误的。究其原因,大致可以归为两类,一是方法学的局限性和研究设计的不足。不少研究者只关注两个变量之间简单的线性关系,这样往往支解或掩盖了事物之间真实、复

SPSS 新变量赋值方法教程

主要使用数据转换(Transform)的功能 在有些情况下,原始数据难以满足数据分析的要求,需要对原始数据进行适当的转换。SPSS具体强大的数据转换功能,它不仅可以进行简单的变量转换和重新建立分类变量,还可以进行复杂的统计函数运算以及逻辑函数运算。 在主菜单中点击Transform命令,弹出数据转换子菜单,如图所示。 新变量赋值" title="SPS

根据变量类型选择合适的统计分析方法

面对大量数据,你将如何开展数据统计分析?您会选择什么样的数据分析方法呢?您是否看着数据感到迷茫,无所适从。认真读完这篇文章,或许你将有所收获。 把握两个关键 1、抓住业务问题不放松。您费大力气收集数据的动机是什么?你想解决什么问题?这是核心,是方向,这是业务把握层面。 2、全面理解数据。哪些变量,什么类型?适合或者可以用什么统计方法,这是数据分析技术层面。须把握三大关键:变量、数据分析方法、

科研日历—变量类型

连续性变量(定量变量):由测量而得到的大多属于连续性变量。等级变量(有序变量):往往用等级标志,但等级之间有差异。分类变量(名义变量):包括二分类变量和多分类变量。离散型变量(计数资料):只能取整数值,一般计算频数,或与样本总数相比得出百分数。带有时间的事件变量:临床上不仅表示该事件发生,还要加上何时发生。相关课程请关注梅斯医学APP!