早期植入人工耳蜗的青少年系统听力表现评估过程

Summary

本文描述了一系列测试，用于临床评估青少年、说普通话、有经验的人工耳蜗用户的听力表现，这些用户升级到了一种新的精细结构编码策略。一系列测试包括安静条件下的语音、嘈杂条件下的语音、词汇语气和音乐感知。

Abstract

人工耳蜗 （CI） 是恢复严重感音神经性听力损失 （SNHL） 患者听力表现的最有效临床治疗方法。它成功地改善了言语感知结果，尤其是在安静的环境中。然而，在复杂环境中的语音感知性能、词汇语气识别和音乐感知已被证明只有通过更新的精细结构编码策略或相关技术才能提高。因此，用于评估嘈杂环境中的听力表现、词汇音调识别和音乐感知的方法至关重要。这些评估必须反映术后结果，并为新编码策略的编程、康复和应用提供指导。在这项研究中，在升级到精细结构策略之前和之后，评估了简单和复杂情况下的听力表现。受试者是一群讲普通话的青少年，他们是经验丰富的CI使用者。全面的临床工作流程包括评估安静条件下的言语、嘈杂条件下的言语、词汇语气识别和音乐感知。这一系列测试进行了详细的解释，从编码策略到测试方法，包括测试过程、环境、设备、材料和顺序。讨论了需要特别注意的细节，例如参与者的位置、扬声器的角度、声音的强度、噪音类型、练习测试以及回答问题的方式。详细介绍了语音、词汇语气和音乐感知的每个测试步骤、方法和材料。最后，对临床结果进行了讨论。

Introduction

人工耳蜗 （CI） 的技术改进为用户带来了越来越大的好处，特别是在安静和嘈杂环境中的言语理解方面，而且还通过减少耳鸣和提高生活质量 1,2,3,4。评估技术升级如何可能改变术后结果是常见且必要的。因此，建立一套严格的测试体系是有益的，因为它可以更好地直接比较来自不同诊所的不同类型的听力植入物使用者的结果。这可以使数据汇集成为可能，并提供更可靠的结果，从而在决策过程中更好地为患者和医疗保健提供者提供信息。CI音频处理器的声音编码策略是影响CI用户^听觉性能的核心技术之一^5,6,7。编码策略从之前的基于包络的连续交错采样（CIS）策略发展到新的FS4，即时间精细^结构策略8,9,10,11,12。

声音编码策略负责将声音信号处理成电脉冲，然后发送到植入物的电极通道。在CIS中，阵列上的所有电极触点都以恒定速率受到包络调制脉冲应变的刺激（即，没有时间编码）。在精细结构编码中，顶端区域（低频）以可变速率受到刺激，以模仿正常（声学）听觉中内毛细胞的锁相，从而尽可能接近正常听觉的感知。基部和中部区域的通道以恒定速率刺激，如 CIS^{8、9、10、11、12、13}。

在这项研究中，使用了一系列严格的测试来评估 FS4 编码策略的性能。声调语言，如普通话和粤语，使用音高提示来提供词汇意义¹⁴.除了常用的语音测试外，这一系列测试还可以仔细考虑大多数声调语言中使用的音高提示。普通话包含四种词汇声调，其特征是语音中基频（F0 或音高）的变化。因此，在评估普通话 CI 用户时，能够识别频率和语音的这些变化至关重要 15,16,17,18,19。

多年来，一直缺乏评估年轻普通话 CI 用户音乐感知的测试。然而，精细的结构编码策略必须帮助说声调的 CI 用户区分音高轮廓和词汇声调²⁰。到目前为止，只有两项研究调查了普通话使用者^21,22 的成年 CI 使用者的语音和语气感知的编码策略。据我们所知，没有调查评估过青少年普通话 CI 用户在升级到 FS4 编码策略时的听力表现。因此，本研究旨在建立一系列测试，以评估青少年普通话 CI 用户的表现，从使用 CIS+ 编码策略的音频处理器升级到使用 FS4 编码策略的音频处理器。

Protocol

本研究经山东省耳鼻喉医院医学伦理委员会批准（批准号）XYK20211201）。已获得所有研究参与者的知情同意。

1. 仪器仪表

1. 使用标准录音室 （≤30 dB [A]），包括一个校准的听力计、一台计算机和两个扬声器。"A"表示人类通过加权滤波对声音的听觉反应。测量单位是 dB SPL（声压级）。使用扬声器执行所有测试。
2. 使用映射软件来适应参与者。评估在安静条件下的单音节识别、在安静条件下的 spondee（disylable）语音识别、在安静条件下的句子识别以及在嘈杂条件下的句子识别的语音表现。在本次实验中，选取了 20 个单音节（即 cai、chu、fei、fen、feng、ge、mi、pi、qi、qiao、qing、sha、shen、shi、tao、tui、xiang、xie、xuan 和 zhe），结合以普通话为母语的男性说的四种词汇声调。
3. 使用语气测试软件评估语气识别。在这个实验中，每个单音节中选择了四个音调，这些音调保持了持续时间的自然变化。将令牌归一化为相同的均方根水平，以消除振幅的自然变化。
   1. 在普通话词汇语气任务中，从四个声调中选择一个正确答案。在这个实验中，用四种普通话词汇声调说出 25 个单音节单词，为每个测试创建 80 个声调标记，并用简体中文编写单词。
4. 使用音乐软件评估音乐音高感知。对于这里的协议，使用一个由六个客观子测试组成的测试电池，评估音乐感知的几个领域。电池包含大约 2,800 个声音文件。
   1. 对于音高排名程序，请使用 27-4,186 Hz 范围内的不同仪器。音高排序检验使用双区间、双备选、强制选择自适应过程来确定区分音高变化的阈值。
   2. 对于此实验，将目标音设置为 F4 （349 Hz） 的正弦音，并在目标音上方开始 32 个四分音。将两个音调的间隔大小设置在 1 到 26 个四分音之间。四分音间隔是从最近的半音产生的。

2. 参与者准备

注意:共有 10 名参与者（7 名男性，3 名女性）自愿参加这项研究，其中两人自愿拍摄协议。受试者是单侧CI使用者，平均年龄为10.4±1.2岁（范围:9-14岁），平均植入年龄为2.8±1.2岁（范围:1-4岁），并具有至少5年使用CIS+编码策略的经验（表1）。所有参与者都能说流利的普通话，并愿意遵守所有计划的学习程序。

1. 要被纳入，请确保潜在参与者具有至少 5 年使用 CIS+ 编码策略和 TEMPO+ 音频处理器的经验，会说普通话，并愿意遵守计划的学习程序。
2. 使用排除标准作为不愿意或无法与测试程序合作。
3. 根据上述纳入/排除标准筛选参与者。获得所有参与者的口头和书面知情同意。
4. 测试时，将参与者放置在距离扬声器 1 m 的位置，与音响室的 CI 侧成 45° 角。
5. 从对侧耳朵上取下任何助听器（如果有），并确保口罩（耳塞和耳罩）对有残余听力的参与者有效。
6. 告诉参与者，在他们理解任务之前，将进行练习测试课程。当理解了任务后，就可以开始正式的测试了。告诉参与者他们可以在需要时休息一下。

3.实验方案

1. 在以下四个时间间隔中的每一秒完成一系列测试:（i） 升级前（旧处理器和编码策略），（ii） 升级后立即（即升级到新处理器和编码策略的同一天），（iii） 升级后 6 周，以及 （iv） 升级后 3 个月。
2. 在升级后的时间间隔，立即使用两种编码策略测试每个参与者。随机化它们的测试顺序，CIS 优先或 FS4。让参与者对他们正在接受测试的编码策略视而不见。
3. 执行映射，如下所述。
   注意:映射是指对阵列上 12 个通道中每个通道的刺激水平进行编程。在本研究中，这是根据每个 CI 用户的反应完成的，并导致每个参与者都收到一个定制的拟合图。
   1. 将参与者和监护人带到测绘室（录音棚）。让参与者在测绘室就座。
   2. 单击映射软件并输入密码。取下语音处理器， 通过 编程线将其连接到 MAX 盒。
   3. 在软件上选择参与者的姓名，然后选择阻抗选项。测试电极阻抗，确保电极阻抗正常（2.2-12 kOhm;典型值）。电极阻抗异常在开路或短路时自动显示。
   4. 确保编码策略为 FS4，并使用 1,224 pps/通道的标准脉冲速率。将单电极刺激设置为三次扫描，并让参与者通过指向响亮/舒适图像刻度上的适当图像来区分每个电极的响度。使用上下方法进行测试，并得出相同的结果，重复两次作为最终的电刺激结果。确保参与者理解并能够完成此任务。
   5. 使用上述方法（步骤 3.3.4）设置所有电极的最大舒适水平 （MCL）。内侧副韧带被认为是不会感到不舒服的最高（即最响亮）级别。在本研究中，参与者以响亮/舒适的图像尺度表示这一点。
      1. 要测试 MCL 级别的实际应用，请按 Live 按钮激活地图。这使参与者能够听到环境噪音。将参与者返回到拟合模式。根据他们在实时模式下收听的主观反馈，如果需要，调整 MCL。
   6. 使用默认设置设置其他参数:刺激率为 1,288 pps;通道特定采样序列 （CSSS） 通道为 4 个;脉冲为双相脉冲;相位隙 （IPG） 为 2.1 μs;输入和输出信号为对数压缩，默认MCL值设置为500;压缩比为3:1;灵敏度为75%;阈值 （THR） 是参与者无法听到的最大声级，通常为 MCL 的 10%。通过重新测试来验证每个通道的 THR，如 MCL 中所示;频率范围为 70-8,500 Hz。
4. 执行语音测试，如下所述。
   1. 按以下顺序测试语音感知:安静条件下的 spondee（disylable）语音识别、安静条件下的单音节识别、安静条件下的句子识别和嘈杂条件下的句子识别。
   2. 在另一个录音棚中，将参与者从扬声器与计算机相距 1 m 处，与 CI 侧成 45° 角。
   3. 确保处理器已打开并且程序正确。点击语音软件，仔细解读答案方法。告诉参与者清楚地重复他们听到的内容。注意确保练习测试程序是正确的。
   4. 打开测听仪并选择听力测试选项。通过测听仪将声音响度设置为高于 300、1,000、2,000 和 4,000 Hz 的平均纯音阈值 4,000 dB HL（听力水平）。
   5. 在正式测试时提交练习清单²³.对于每个测试，要求参与者重复他们听到的单词/句子。保持每个测试的内容顺序随机，并播放一次单词/句子。
   6. 为嘈杂条件下的句子识别设置+10 dB信噪比（SNR），测试并使用四说话者的喋喋不休作为噪声信号。
5. 执行音调测试，如下所述。
   1. 单击音调软件，并在同一录音室中将 SPL 设置为 65 dB。仔细解读答案方法。
   2. 确认参与者熟悉所有测试的词汇。在正式测试的同时提交练习清单²¹.
   3. 指导参与者说出他们曾经听到过的内容。选择参与者重复内容的语气，并保持每个测试的内容顺序随机。
6. 执行音乐测试，如下所述。
   1. 单击音乐软件，然后在同一展位中选择音高选择。在正式测试的同时提交练习清单²⁴.
   2. 指导参与者听两个刺激，顺序呈现，中间有 1 秒的沉默。要求他们确定两个音程中哪一个的音高轮廓下降或上升。
   3. 输入参与者的答案并重复。在练习和正常测试中保持内容顺序随机。选择参与者选择的答案。

4. 数据分析

1. 对于语音和语气测试，记录提供的正确答案的百分比，并比较每个测试。对于音乐音高测试，记录四分音并进行比较。
2. 根据数据分布，应用以时间为因子的重复测量 （RM） 方差分析，或使用 Friedman 检验来检查随时间的变化。使用成对比较来比较升级后的性能与升级前的性能，使用配对样本 t 检验或 Wilcoxon 符号秩检验。
3. 将 Kolmogorov-Smirnov 检验与 Shapiro-Wilk 检验一起使用来检查数据分布。如果两个检验都确认数据是正态分布的，则应用参数统计方法。否则，应用非参数统计方法。将统计显著性设置为 p ≤ 0.05。
4. 由于存在多次比较（三次成对比较:升级前与升级后立即、升级前与升级后 6 周以及升级前与升级后 3 个月），因此在解释获得的 p 值时，请使用 Bonferroni 校正方法。因此，使用 p ≤ 0.017 而不是 p ≤ 0.05 表示显著。

Results

语音测试结果表明，在安静和嘈杂的条件下，语音识别能力都很好。语气检验结果表明，普通话词汇语气的词汇语气鉴别力较强。音高结果表明音乐辨别能力。对于语音和语气测试结果，所有结果均以百分比表示。百分比分数越高表示测试结果越好。对于言语测试，单词和句子的结果将单独显示。这使得结果可以单独进行分析和比较。螺距测试的结果显示为可视化的分辨率阈值。较低的石灰含量表示更好的结果。这些数据很容易分析和比较。

安静条件下的 Spondee 识别
从升级前到升级后 3 个月，安静条件下的 Spondee 识别率显着提高（平均提高 16.1%;z = 2.497;p = 0.013）。从升级前到升级后 6 周，改善不显著（平均改善 9.4%;z = 1.735;p = 0.083） 或从升级前到升级后立即 （平均提高 5.8%;z = 1.429;p = 0.153;表 2 和图 1）。

在安静条件下进行单音节识别
从升级前到升级后，安静条件下的单音节识别能力有了显著提高（平均提高 8.2%; z = 2.494; p = 0.013），从升级前到升级后 6 周（平均提高 11.8%; z = 2.570; p = 0.010），从升级前到升级后 3 个月（平均提高 22.5%; z = 2.810; p = 0.005; 表 2 和 图 2）。

安静条件下的句子识别
从升级前到升级后3个月，安静条件下的句子识别率显著提高（平均提高17.8%; z = 2.670; p = 0.008）。从升级前到升级后 6 周，未观察到显着改善（平均改善 13.0%; z = 2.314; p = 0.021）或从升级前到升级后立即（平均提高 0.8%; z = 0.255; p = 0.798; 表 2 和 图 3）。

嘈杂条件下的句子识别
从升级前到每个升级后会话的成对比较证实了在嘈杂条件下句子识别的无显著差异（Wilcoxon 符号秩检验:z = 1.355;p = 0.176 至 z = 0.674;p = 0.500）。然而，从升级前到升级后 3 个月，嘈杂条件下的句子识别确实平均增加了 26%（表 2）。

音调识别
从升级前到升级后 6 周，音调识别显着提高（平均提高 5.0%; t = 11.180; P < 0.001），从升级前到升级后 3 个月（平均好 9%; t = 4.803; p = 0.001）。从升级前到升级后立即没有发现显着改善（平均提高 1.6%; t = 1.652; p = 0.133; 表 2 和 图 4）。

音乐音高感知
从升级前到升级后 4 个月，音高感知显着改善（平均提高 12.7 里门; z = 2.371; p = 0.018）。从升级前到升级后 6 周，观察到无显著改善（平均改善 5.5 里门; z = 0.840; p = 0.401），从升级前到升级后立即观察到不显着的恶化（平均恶化 7.2 里门; z = 0.491; p = 0.623; 表2）。

身份证	性	耳朵植入	手术时的年龄（岁）	评估时的年龄（岁）	种植体类型
S01系列	M	R	2.0	14.2	组合 40+
S02系列	F	L	1.5	10.3	组合 40+
S03系列	M	L	4.4	12.2	组合 40+
S04系列	F	R	1.6	9.4	组合 40+
S05系列	M	R	3.8	10.6	组合 40+
S06系列	M	R	4.2	11.1	组合 40+
S07系列	F	R	4.2	11.7	组合 40+
S08系列	M	R	2.3	9.8	组合 40+
S09系列	M	R	4.3	9.4	组合 40+
S10系列	M	R	3.7	9.3	组合 40+

表1:所有参与者的人口统计数据。 缩写:M = 男性;F = 女性;R = 右;L = 左。

测试	升级前	立即发布	6 周后	3个月后
单音节 （quiet; %）	59.6 （±14.3）	67.8 （±17.6）	71.4 （±13.3）	82.1 （±12.2）
Spondees （安静; %）	69.2 （±16.1）	75.0 （±14.5）	78.6 （±14.1）	85.3 （±10.0）
句子 （安静; %）	78.0 （±19.4）	78.8 （±19.2）	91.0 （±7.8）	95.8 （±7.9）
句子（噪音; %）	59.8 （±33.78）	70.2 （±13.5）	80.0 （±12.9）	85.8 （±10.7）
音调识别 （%）	75.4 （±13.3）	77.0 （±14.8）	80.4 （±13.1）	84.4 （±12.3）
音乐音高（四分音）	16.5 （±11.5）	23.7 （±20.4）	11.0 （±13.2）	3.8 （±3.4）

表 2:每个时间间隔内每次测试的听力表现。 所有数据均以平均值（±标准差）表示。在安静条件下，FS4编码策略在spondee、单音节和句子识别方面存在显著差异（p ≤ 0.017）。然而，在嘈杂条件下的句子识别测试中没有发现显着差异（p > 0.05）。

图 1:每个区间的 Spondee 识别结果。 从升级前到升级后 3 个月，安静条件下的 Spondee 识别率显着提高 （p = 0.013）。数据以平均值（±标准差）表示。*P < 0.05。圆形、正方形和三角形表示单个参与者的结果。 请点击这里查看此图的较大版本.

图 2:每个区间的单音节识别结果。 从升级前到升级后立即（p = 0.013），从升级前到升级后6周（p = 0.010），以及从升级前到升级后3个月（p = 0.005），在安静条件下的单音节识别显着提高。数据以平均值（±标准差）表示。*P < 0.05。圆形、正方形和三角形表示单个参与者的结果。 请点击这里查看此图的较大版本.

图 3:每个间隔的安静条件下的句子识别结果。 从升级前到升级后 3 个月，安静条件下的句子识别率显着提高 （p = 0.008）。数据以平均值（±标准差）表示。*P < 0.05。圆形、正方形和三角形表示单个参与者的结果。 请点击这里查看此图的较大版本.

图 4:每个音程的音调识别结果。 从升级前到升级后 6 周 （p < 0.001），以及从升级前到升级后 3 个月 （p = 0.001），音调识别显着提高。数据以平均值（±标准差）表示。*P < 0.05。圆形、正方形和三角形表示单个参与者的结果。 请点击这里查看此图的较大版本.

Discussion

在本研究中，系统评估了青少年普通话 CI 用户的听力表现。结果表明，从CIS+升级到FS4编码策略后，在安静条件下的语音识别、音调识别和音高识别方面都有显著的改进。这种方法可以帮助建立探索临床评估工具的指导，以评估新的精细结构编码策略在年轻普通话CI用户中的综合效果。

在目前的研究中，主要的结果指标是言语表现，尤其是在嘈杂条件下的言语表现。由于测试材料对于年轻参与者来说难度大，因此测试按照从最简单到最难的顺序进行:安静条件下的发音识别、安静条件下的单音节识别、安静条件下的句子识别和嘈杂条件下的句子识别。在整个嘈杂条件下的句子识别测试中，参与者被要求专注于语音而不是咿咿呀学语。所有参与者在嘈杂的条件下都充分展示了句子识别。与升级前相比，在安静条件下，三个会话中每个会话对单音节的识别都显着提高。同样，在升级前和升级后 3 个月之间，安静条件下的 spondee 和句子识别显着提高。这些结果与之前在说普通话的成年CI用户中的发现一致^21,22。虽然本研究的结果在嘈杂条件下的句子识别测试中没有统计学意义，但平均分数确实从升级前的 59.8% 增加到使用 3 个月后的 85.8%。这与上一次报告²¹是一致的。该测试程序和此处显示的结果验证了新型语音处理器对青少年普通话 CI 用户的有效使用，并证明了所提出的测试方法的实用性。

在语音性能测试之后，进行了语气测试。与嘈杂条件下的语音识别相比，对于参与者来说，语气测试似乎比语音测试更有趣，测试时间更短。所有参与者在一次练习后都理解了测试方法，并表现出色。如前所述，对于说普通话的人来说，语气识别是听力和交流的一个重要方面。听力正常的儿童早在 12 个月大时就可以以领域通用方式区分词汇语气¹⁷;然而，对于患有舌前性双侧耳聋的儿童来说，情况肯定不是这样。先前的研究表明，与听力正常的同龄人相比，患有舌前耳聋的儿科 CI 使用者在音调识别方面存在显着缺陷^14,17。对说普通话的成年 CI 用户的研究表明，使用 FS4 编码策略²² 时，音调感知会随着时间的推移而显着改善。同样，本研究表明，使用 FS4 6 周和 3 个月后，音调识别显着改善。

之所以选择音乐软件，是因为它花费的时间更少，因此有助于缩短整体测试时间。如前所述，音高感知，尤其是音乐音高感知，以及音调识别，对于 CI 用户来说很重要。然而，这是测试中最困难和最乏味的部分。由于测试的难度，四名参与者需要一次以上的练习，六名参与者需要一轮以上的练习，三名参与者需要两轮练习，一名参与者需要多轮练习。由于进行了练习，所有参与者都对测试协议有了清晰的理解，并能够执行测试。结果显示，使用 FS4 3 个月后，音高感知有显着改善。这些结果与先前在讲普通话的成人 CI 用户中的文献一致⁹.这验证了精细结构信息对于儿童普通话 CI 用户音乐识别的重要性，以及该方法适用于评估任何语言的年轻、非普通话 CI 用户。

在本研究中，评估在短期内升级到新编码策略的效用可以通过这一系列测试得到充分验证和测试。说普通话的孔子教育使用者在所有测试中都表现出明显更高的分数，除了在嘈杂条件下的句子识别测试中。除了测试方法适用于参与者外，所有测试对于评估效果都方便直观。除了音高感知的结果外，所有结果都以百分比表示。百分比分数越高，结果越好。对于音乐音高，结果越低，效果越好。研究人员应确保所有测试软件都有严格的实验前和正式测试表，并且内容不重复。

因此，本研究首次探索了一系列测试，可用于在升级到 FS4 编码策略后临床评估年轻普通话 CI 用户的听力表现。该方法提供了有效的测试材料、适当的准备、严格的测试序列和严格的测试程序。然而，目前的研究并非没有局限性。首先，样本量使得很难将这些发现外推到更大的人群中。未来的研究必须受益于拥有更多的受试者。其次，未来的研究必须测试时间，以确定完成测试电池的每个部分需要多长时间，因此对年轻人群更有用，尤其是那些注意力有限的人群。一种更简单的方法可以缩短总体测试时间，从而对临床产生益处。

总体而言，本研究表明，精细结构信息在青少年普通话单侧 CI 使用者在安静条件下的语音辨别、音高轮廓和词汇声调识别中起着至关重要的作用。这一系列测试为 CI 用户、候选人和医生提供指导，以选择不同的技术，并指导他们的临床康复。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
INVENTIS 钢琴听力计	俄罗斯		该听力计主要用于本研究中的行为测听。
HOPE 软件	中国人民解放军总医院		该软件用于测试语音性能，包括用于测试安静中的单音节识别、安静中的沉默（双音节）语音识别、安静中的句子识别和噪声中的句子识别的适当测试列表
JAMO Loudspeaker	China		这些扬声器用于音响室的所有测试。
联想电脑	中国		他们用于映射和作所有测试软件。
MAESTRO 测绘设备	MED-EL		这些设备包括 MAX 盒和用于将处理器连接到测绘软件的编程电缆。
MAESTRO 软件	MED-EL		该软件用于在
噪声测试中映射普通话声调识别 （MTINT）	北京同仁医院		该软件用于测量语气识别。使用 4 个替代强制选择 （4AFC） 普通话词汇声调任务。测试材料由 25 个单音节单词组成，用 4 种普通话词汇声调说出，为每个说话者创建 100 个不同的单词。
人工耳蜗中的音乐声音 （MuSIC）	MED-EL		MuSIC 测试组合由六个客观子测试组成，评估音乐感知的几个领域。选择该软件是因为它花费的时间更少，因此有助于保持整体测试时间相当短。电池包含大约 2800 个由专业音乐家演奏自然乐器录制的声音文件。