Una base de datos multimodal para la recopilación de datos de investigación audiológicos interdisciplinares

3. Aplicación móvil

El módulo de la aplicación móvil recaba sistemáticamente información sobre el estado de salud y la calidad de vida mediante cuestionarios validados que los pacientes pueden personalizar y cumplimentar telemáticamente en el teléfono móvil. También facilita el acceso a información educativa y a contenidos ofrecidos por especialistas clínicos. En la figura 3 puede observarse una captura de pantalla de algunos de los diferentes recursos que ofrece la aplicación móvil.

Figura 3. Aplicación móvil desarrollada para recopilar información sanitaria y cuestionarios telemáticamente

Validación de la plataforma

Desde una perspectiva funcional, la base de datos multimodal proporciona capacidades avanzadas que respaldan los procesos de investigación primarios presentes en nuestro entorno clínico audiológico. Actualmente, la base de datos de la plataforma está siendo sometida a una validación por parte de clínicos especializados e investigadores que manipulan y recopilan datos de pacientes con hipoacusia en el contexto de un proyecto multicéntrico financiado por el Ministerio de Asuntos Económicos y Transformación Digital de España en el marco del proyecto AI4HA de Misiones I+D en Inteligencia Artificial de 2021, cuyo objetivo consiste en desarrollar bases de datos abiertas y algoritmos de IA para detectar y tratar de forma temprana enfermedades con gran prevalencia en el envejecimiento. Actualmente se han recabado datos de más de 200 pacientes.

Discusión

En este proyecto se ha creado un marco unificado que integra información de diversas fuentes de datos audiológicos y sanitarios pertinentes tanto para el ámbito clínico como para la investigación translacional en audiología. En este proceso, se ha instaurado una base de datos multimodal orientada a la integración de datos transversales de diferentes ámbitos sanitarios y dispositivos que facilita, por tanto, la personalización de diferentes extensiones e instrumentos analíticos de datos. La conformidad y aplicabilidad clínica de las pruebas y medidas introducidas, así como las posibilidades que esta plataforma brinda para incrementar la estandarización, se comentan a continuación.

Hacia la estandarización y recopilación de conjuntos de datos audiológicos interdisciplinares

En el ámbito de la audiología hay un problema persistente con conjuntos de datos comparativamente pequeños y desagregados que se generan en apenas algunos centros. La audiometría tonal sigue siendo en muchos casos el método de referencia y la medida principal utilizada para caracterizar la hipoacusia individual; también sirve como base para tratamientos que conllevan soluciones auditivas como la programación de audífonos e implantes cocleares. No obstante, la hipoacusia también se asocia a una disminución de la resolución espectral y de la inteligibilidad, especialmente en contextos ruidosos de la vida real, en los que un audiograma no refleja las dificultades de percepción y claridad (Sánchez-López et al., 2020). En efecto, las consecuencias de la escasa comprensión del lenguaje también pueden conllevar un deterioro de las funciones cognitivas y la calidad de vida. Estos factores constituyen variables importantes, no sólo para conocer por completo los efectos de la hipoacusia en la vida diaria de un paciente (Raymond et al., 2023; Gurgel et al., 2022), sino también para orientar y mejorar las programaciones personalizadas de los audífonos e implantes cocleares (Cone-Wesson y Wunderlich, 2003; Rader et al., 2023; Van Dun et al., 2016; Van Opstal y Noordanus, 2023). Sin embargo, estas variables no siempre se valoran de forma exhaustiva en la clínica diaria, posiblemente por causa de la carencia de pruebas, materiales adecuados y aplicables a la clínica, así como de protocolos estandarizados entre los centros. El problema de la coexistencia de diferentes sistemas de gestión de datos y materiales audiológicos persiste en los ámbitos nacional e internacional, lo que restringe nuestra capacidad de suministrar conjuntos de datos abiertos y con significación estadística para su reutilización y validación (Ait Abdelouahid et al., 2023).

Las primeras iniciativas para proporcionar datos audiológicos normativos entre cinco instituciones internacionales y países corrieron a cargo de Van Esch et al. (2013), que propusieron una serie de pruebas denominadas «perfil audiométrico preliminar». Este perfil engloba varias medidas de la percepción de la intensidad sonora, el esfuerzo auditivo, la percepción del habla, la audición espacial, la resolución espectral y temporal, las funciones cognitivas y la discapacidad auditiva reportada por los pacientes. La serie de pruebas se evaluó en un estudio multicéntrico internacional con dos subgrupos de normoyentes e hipoacúsicos y mostró una variabilidad de prueba-reprueba satisfactoria entre los diferentes centros, si bien con algunas diferencias en las pruebas del habla dependientes del lenguaje entre países. En una investigación más reciente, Buhl et al. (2019, 2020) propusieron Parámetros Funcionales Audiológicos Comunes (PFAC) como representación compacta pero estadísticamente significativa de los diagnósticos y tratamientos audiológicos. Con PFAC se pretende ofrecer una hoja de datos audiológica de aplicación universal basada en redes bayesianas, demostrando una robustez parcial ante la elección de diferentes pruebas audiológicas o redundantes. Se propuso y validó una primera serie preliminar de diez PFAC que representan información sobre umbrales auditivos, déficits supraliminares y propiedades biaurales y cognitivas del sistema auditivo humano, además de variables socioeconómicas. Como concluyen los autores, debe efectuarse una nueva recolección de datos de bases de datos clínicas reales para entrenar y validar el concepto de los PFAC u otros métodos de herramientas diagnósticas basadas en el aprendizaje automático.

Motivada por estos estudios previos, nuestra plataforma multimodal tiene como fin integrar diversos ámbitos de salud asociados a la función auditiva en una base de datos única que facilita la recopilación sistemática de datos heterogéneos para la investigación audiológica. Para tal fin, hemos satisfecho dos requisitos técnicos que consideramos importantes para la automatización. En primer lugar, integramos en nuestra plataforma los archivos XML que contienen los umbrales audiométricos y las señales electroencefalográficas auditivas brutas de los dispositivos médicos disponibles en nuestro hospital. La documentación detallada de los códigos fuente empleados para importar y leer estos archivos XML se indica en el apéndice B con la intención de ayudar a otros hospitales y centros de investigación que utilizan los mismos equipos o que puedan adaptar los códigos a los equipos disponibles. Se logró otro hito al integrar estos datos multimodales con la información clínica procedente de las historias clínicas electrónicas de los pacientes, lo cual se consiguió conectando satisfactoriamente la plataforma multimodal a la Intranet del Servicio Andaluz de Salud. Esto nos ha permitido utilizar códigos diagnósticos y terapéuticos internacionales normalizados predefinidos de la CIE 10, con lo que esperamos habilitar la accesibilidad de los datos en los centros de atención primaria y especializada de Andalucía y España. Asimismo, la plataforma cumple con la norma internacional ISO 13606 (Norma ISO 13606: Interoperabilidad de las historias clínicas electrónicas; Santos et al., 2010), que presenta especificaciones para la estructura de la información clínica compartida entre los diferentes sistemas de historias clínicas electrónicas. La norma tiene como fin mejorar la interoperabilidad y el intercambio eficaz de datos (Frid et al., 2023). Un estudio previo de Moreno-Conde et al. (2022) presenta una descripción de la infraestructura semántica de determinados subconjuntos terminológicos y formas incluidos en la plataforma multimodal desarrollada, especificando así los atributos asociados y su mapeo en la norma ISO 13606.

Aplicabilidad e idoneidad clínicas

Se ha implementado una amplia variedad de pruebas para sujetos tanto normoyentes como hipoacúsicos, incluyendo sujetos que utilizan diferentes dispositivos auditivos, como audífonos o implantes cocleares. Por lo que, se han definido e implementado pruebas específicas adaptadas a los diversos perfiles auditivos. Un factor crítico para la aplicabilidad clínica es el tiempo de evaluación. Actualmente, la serie completa de pruebas introducidas en nuestra plataforma lleva hasta tres horas (divididas en dos sesiones): una sesión de 60 minutos para la valoración audiológica (umbrales auditivos, prueba de habla con ruido, medidas electrofisiológicas auditivas, etc.) y una segunda sesión de aproximadamente 120 minutos para la evaluación cognitiva, con la inclusión de pausas para evitar la fatiga en los pacientes. De acuerdo con nuestra experiencia, los pacientes con hipoacusia bilateral grave, un nivel educativo bajo o una edad avanzada manifiestan más dificultades para terminar toda la serie de pruebas cognitivas. Además, es esencial garantizar la comunicación y la comprensión de las instrucciones con el apoyo de información visual (como diapositivas, herramientas de escritura por dictado) para alcanzar una comunicación fluida. Reconocemos que obtener un perfil auditivo y cognitivo completo en diferentes ámbitos es un proceso prolongado para su aplicación diaria en el entorno clínico. Por ello, la base de datos y la aplicación móvil implementadas nos permiten automatizar parcialmente el proceso y recopilar datos de pacientes telemáticamente, integrándolo con éxito en nuestra organización clínica diaria. No obstante, también hemos observado que algunos sujetos, especialmente los pacientes mayores, suelen referir dificultades para utilizar los móviles y son entrevistados en persona. Por consiguiente, destaca la importancia de evaluar y detectar las funciones cognitivas y variables más pertinentes relacionadas con la hipoacusia con objeto de desarrollar pruebas de detección sistemática más versátiles que puedan usarse estratégicamente para evaluar a los pacientes en la práctica clínica diaria.

Ética, privacidad y calidad de los datos

A medida que se incorporan cada vez más sistemas de apoyo a la toma de decisiones basados en la IA, los desafíos como la calidad de los datos, los sesgos, la ética y las normativas de privacidad se muestran aún más evidentes y críticos. Existen retos técnicos para cumplir el RGPD siguiendo al mismo tiempo los principios FAIR. En nuestra plataforma se abordan la seudonimización y la anonimización en dos niveles diferentes. De forma interna, la extracción de datos efectuada por los investigadores se lleva a cabo de forma seudonimizada aplicando un mecanismo de encriptación del identificador del paciente basado en los códigos NUHSA (Protti, 2007). El identificador del paciente (NUHSA) se sustituye por un código generado empleando el algoritmo de encriptación SHA-512 (Algredo-Badillo et al., 2012), con una semilla específica desconocida para los investigadores. Este mecanismo garantiza la separación técnica y funcional entre el equipo de investigación y quienes llevan a cabo la seudonimización. Incluye medidas específicas para evitar la re-identificación de los sujetos y el acceso no autorizado a los datos, como se establece en el apartado d) de la Ley Orgánica 3/2018, de 5 de diciembre, RGPD, sobre el uso de datos personales seudonimizados con fines de investigación sanitaria (Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales). La seudonimización sigue permitiendo la re-identificación de los pacientes, si es preciso (solo por parte del personal clínico y técnico autorizado del hospital) con motivo de riesgos de salud o hallazgos revelados durante la investigación. No obstante, de forma externa, los datos abiertos puestos a disposición pública de la comunidad científica estarán completamente anonimizados. Para la anonimización actualmente aplicamos técnicas con funciones hash y de k-anonimización en nuestros algoritmos de procesamiento de datos para garantizar la anonimización sólida de los datos, de conformidad con las recomendaciones indicadas por la Agencia Española de Protección de Datos (Anonimización y seudonimización/AEPD). Con respecto a las neuroimágenes, es preciso mejorar la estandarización y la compatibilidad entre las diferentes organizaciones hospitalarias y centros de investigación. En la actualidad estamos planificando implantar estándares con una gran aceptación, como la estructura de datos de imágenes cerebrales, BIDS (Brain Imaging Data Structure), (Boré et al., 2023; Gorgolewski et al., 2016), lo que ayudaría en el proceso de conformidad con los principios FAIR de nuestro conjunto de datos. Dada la naturaleza sensible de la información recopilada, nuestro grupo de investigación debe estudiar y analizar minuciosamente la privacidad de las neuroimágenes y las políticas de uso, como ya han comentado otros grupos de investigación (Jwa y Poldrack, 2022).

Los conjuntos de datos de gran calidad y sin sesgos resultan cruciales cuando se emplean como datos de entrada para los algoritmos de IA que respaldan las decisiones clínicas (Vicente y Matute, 2023). Se han propuesto diferentes métodos en la bibliografía para cuantificar la calidad de los datos recopilados (Bertossi y Geerts, 2020; Holzinger et al., 2020). Algunos de estos métodos se basan en rigurosas consultas metodológicas a la base de datos para garantizar la coherencia de los datos (Levman et al., 2023). Otros aspectos importantes, especialmente los que se recomiendan para los modelos de aprendizaje automático, se fundamentan en conceptos como la causalidad o la explicabilidad (Livshits et al., 2021; Linardatos et al., 2020). El análisis de los sesgos y su mitigación deben llevarse a cabo durante el diseño de los modelos de aprendizaje automático para garantizar la calidad y precisión de las predicciones (Siddique et al., 2023). Todos estos conceptos se tendrán adecuadamente en cuenta para cuantificar la calidad de nuestros datos al crear nuevas actualizaciones de nuestra plataforma multimodal.

Limitaciones y desarrollos futuros

En las documentaciones complementarias 2 y 3 ilustramos una descripción de las variables implantadas en nuestra plataforma para ofrecer una visión general de la capacidad que tiene para recopilar datos multimodales de diferentes fuentes. Nuestro objetivo consiste en tornar estos datos accesibles para fines de investigación a toda la comunidad científica de la audiología. De este modo, nuestra intención es ofrecer los datos obtenidos en nuestra plataforma en repositorios abiertos. Con respecto a las especificaciones de los conjuntos de datos, hemos seguido la plantilla «datasheets for datasets» que introdujeron Gebru et al. (2021), cuyo fin consiste en facilitar la compartición de datos y la comunicación entre los creadores y los usuarios de conjuntos de datos de IA. La plataforma es escalable y permite incluir nuevos cuestionarios y apartados de datos de acuerdo con nuevos objetivos de investigación y proyectos. De hecho, en los desarrollos futuros se instaurarán otras variables importantes, como las emisiones otoacústicas por productos de distorsión (EOPD) o los parámetros de programación de los implantes cocleares, entre otras.

En cuanto a la interoperabilidad, debemos reconocer que nuestra plataforma se encuentra aún en la fase de desarrollo inicial, por lo cual la heterogeneidad solo se ha tratado de forma parcial. Será preciso poner más empeño en evolucionar hacia la adopción de otras especificaciones como las del estándar OpenEHR (Haarbrandt et al., 2018; sitio web del OpenEHR) o el HL7 (Diagnostic Audiology Reporting Implementation Guide for HL7), que esperamos que aumenten la versatilidad y accesibilidad de los desarrollos que hagamos. Por último, también pretendemos incorporar metadatos que cumplan con los principios FAIR para generar colecciones de datos de investigación que permitirían la reutilización universal de los datos para la investigación científica abierta (Wilkinson et al., 2016).

En resumen, presentamos la plataforma multimodal desarrollada como un paso hacia la instauración de una base de datos multicolaborativa en audiología. No obstante, además de la necesidad de crear un marco común y una plataforma técnica, el apoyo de los profesionales clínicos de la audiología y de los colaboradores sanitarios resulta fundamental. La base de datos podrían utilizarla cada vez con más frecuencia diversos agentes y organizaciones del ámbito nacional, entre los cuales se encuentran los investigadores y los socios industriales, para generar más datos probatorios y conjuntos de datos multimodales abiertos de gran calidad para la investigación audiológica.

Conclusión

En este trabajo se ha creado una plataforma digital multimodal implementada en la Unidad de Otorrinolaringología del Hospital Universitario Virgen Macarena de Sevilla para recopilar sistemáticamente datos audiológicos y sanitarios de diversas fuentes que abarcan umbrales auditivos, pruebas de habla, potenciales evocados auditivos, imágenes médicas y pruebas de calidad de vida y cognitivas, entre otras. Existe una versión web de demostración de la plataforma, junto con todas las variables y apartados introducidos, así como las secuencias de comandos codificadas para importar y leer datos audiológicos, a libre disposición de la comunidad clínica y científica en audiología. Sigue siendo necesario unir esfuerzos para generar conjuntos de datos más amplios, exhaustivos y abiertos que puedan utilizarse en la investigación audiológica.

Bibliografía

AEPD. (6 de octubre de 2021). Anonimización y seudonimización. Recuperado el 18 de abril de 2024 de https://www.aepd.es/prensa-y-comunicacion/blog/anonimizacion-y-seudonimizacion

Ait Abdelouahid, R., Debauche, O., Mahmoudi, S., y Marzak, A. (2023). Literature Review: Clinical Data Interoperability Models. Information, 14(7), 364. https://doi.org/10.3390/info14070364

Algredo-Badillo, I., Morales-Sandoval, M., Feregrino-Uribe, C., y Cumplido, R. (2012). Throughput and efficiency analysis of unrolled hardware architectures for the sha-512 hash algorithm. 2012 IEEE Computer Society Annual Symposium on VLSI, 63–68. https://doi.org/10.1109/ISVLSI.2012.63

Almufarrij, I., Dillon, H., Dawes, P., Moore, D. R., Yeung, W., Charalambous, A.P., Thodi, C., y Munro, K. J. (2023). Web-and app-based tools for remote hearing assessment: A scoping review. International Journal of Audiology, 62(8), 699–712. https://doi.org/10.1080/14992027.2022.2075798

Andries, E., Bosmans, J., Engelborghs, S., Cras, P., Vanderveken, O. M., Lammers, M. J. W., Van de Heyning, P. H., Van Rompaey, V., y Mertens, G. (2023). Evaluation of Cognitive Functioning Before and After Cochlear Implantation in Adults Aged 55 Years and Older at Risk for Mild Cognitive Impairment. JAMA Otolaryngology - Head y Neck Surgery, 149(4), 310–316. https://doi.org/10.1001/jamaoto.2022.5046

Archbold, S., Lutman, M. E., y Nikolopoulos, T. (1998). Categories of auditory performance: Inter-user reliability. British Journal of Audiology, 32(1), 7–12. https://doi.org/10.3109/03005364000000045

Archer-Boyd, A. W., Southwell, R. V., Deeks, J. M., Turner, R. E., y Carlyon, R. P. (2018). Development and validation of a spectro-temporal processing test for cochlear-implant listeners. The Journal of the Acoustical Society of America, 144(5), 2983–2997. https://doi.org/10.1121/1.5079636

Aronoff, J. M., y Landsberger, D. M. (2013). The development of a modified spectral ripple test. The Journal of the Acoustical Society of America, 134(2), EL217–EL222. https://doi.org/10.1121/1.4813802

Babajanian, E. E., y Gurgel, R. K. (2022). Cognitive and behavioral effects of hearing loss. Current Opinion in Otolaryngology & Head and Neck Surgery, 30(5), 339–343. https://doi.org/10.1097/MOO.0000000000000825

Berrettini, S., Arslan, E., Baggiani, A., Burdo, S., Cassandro, E., Cuda, D., Dinelli, E., Filipo, R., Mancini, P., Martini, A., y otros. (2011). A registry for the collection of data in cochlear implant patients. Acta Otorhinolaryngologica Italica, 31(5), 328.

Bertossi, L., y Geerts, F. (2020). Data quality and explainable AI. Journal of Data and Information Quality (JDIQ), 12(2), 1–9.

Billinger-Finke, M., Bräcker, T., Weber, A., Amann, E., Anderson, I., y Batsoulis, C. (2020). Development and validation of the audio processor satisfaction questionnaire (APSQ) for hearing implant users. International Journal of Audiology, 59(5), Article 5.

Boré, A., Guay, S., Bedetti, C., Meisler, S., y GuenTher, N. (2023). Dcm2Bids (Version 3.1.1) [programa informático]. https://doi.org/10.5281/zenodo.8436509

Brewster, K. K., Deal, J. A., Lin, F. R., y Rutherford, B. R. (2022). Considering hearing loss as a modifiable risk factor for dementia. Expert Review of Neurotherapeutics, 22(9), Article 9. https://doi.org/10.1080/14737175.2022.2128769

Buhl, M., Warzybok, A., Schädler, M. R., Lenarz, T., Majdani, O., y Kollmeier, B. (2019). Common Audiological Functional Parameters (CAFPAs): Statistical and compact representation of rehabilitative audiological classification based on expert knowledge. International Journal of Audiology, 58(4), 231–245. https://doi.org/10.1080/14992027.2018.1554912

Buhl, M., Warzybok, A., Schädler, M. R., Majdani, O., y Kollmeier, B. (2020). Common Audiological Functional Parameters (CAFPAs) for single patient cases: Deriving statistical models from an expert-labelled data set. International Journal of Audiology, 59(7), 534–547. https://doi.org/10.1080/14992027.2020.1728401

Callejón-Leblic, M., y Miranda, P. C. (2020). A computational parcellated brain model for electric field analysis in transcranial direct current stimulation. In Makarov, S.N., Noetscher, G.M., Nummenmaa, A. (eds) Brain and Human Body Modeling 2020 (pp. 81). Springer, Cham. https://doi.org/10.1007/978-3-030-45623-8_5

Callejón-Leblic, M. A., Barrios-Romero, M. M., Kontides, A., Sánchez-Gómez, S., y Beynon, A. J. (2023). Electrically evoked auditory cortical responses elicited from individually fitted stimulation parameters in cochlear implant users. International Journal of Audiology, 62(7), 650-658.

Callejón-Leblic, M. A. et al. (2024). A full-head model to investigate intra and extracochlear electric fields in cochlear implant stimulation. Phys. Med. Biol. 69, 155010. https://doi.org/10.1088/1361-6560/ad5c38

Calvino, M., Gavilán, J., Sánchez-Cuadrado, I., Pérez-Mora, R. M., Muñoz, E., y Lassaletta, L. (2016). Validation of the Hearing Implant Sound Quality Index (HISQUI19) to assess Spanish-speaking cochlear implant users’ auditory abilities in everyday communication situations. Acta Oto-Laryngologica, 136(1), Article 1.

Calvino, M., Sánchez-Cuadrado, I., Gavilán, J., Gutiérrez-Revilla, M. A., Polo, R., y Lassaletta, L. (2022). Effect of cochlear implantation on cognitive decline and quality of life in younger and older adults with severe-to-profound hearing loss. European Archives of Oto-Rhino-Laryngology: Official Journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS): Affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery, 279(10), Article 10. https://doi.org/10.1007/s00405-022-07253-6

Cantero, J. L., Atienza, M., Sánchez-Juan, P., Rodriguez-Rodriguez, E., Vazquez-Higuera, J. L., Pozueta, A., Gonzalez-Suarez, A., Vilaplana, E., Pegueroles, J., Montal, V., y otros. (2018). Cerebral changes and disrupted gray matter cortical networks in asymptomatic older adults at risk for Alzheimer’s disease. Neurobiology of Aging, 64, 58–67. https://doi.org/10.1016/j.neurobiolaging.2017.12.010

Cañete, O. M., Marfull, D., Torrente, M. C., y Purdy, S. C. (2022). The Spanish 12-item version of the Speech, Spatial and Qualities of Hearing scale (Sp-SSQ12): Adaptation, reliability, and discriminant validity for people with and without hearing loss. Disability and Rehabilitation, 44(8), Article 8.

Castiglione, A., Benatti, A., Velardita, C., Favaro, D., Padoan, E., Severi, D., Pagliaro, M., Bovo, R., Vallesi, A., Gabelli, C., y Martini, A. (2016). Aging, Cognitive Decline and Hearing Loss: Effects of Auditory Rehabilitation and Training with Hearing Aids and Cochlear Implants on Cognitive Function and Depression among Older Adults. Audiology & Neuro-Otology, 21 Suppl 1, 21–28. https://doi.org/10.1159/000448350

Castiglione, A., Casa, M., Gallo, S., Sorrentino, F., Dhima, S., Cilia, D., Lovo, E., Gambin, M., Previato, M., Colombo, S., Caserta, E., Gheller, F., Giacomelli, C., Montino, S., Limongi, F., Brotto, D., Gabelli, C., Trevisi, P., Bovo, R., y Martini, A. (2019). Correspondence Between Cognitive and Audiological Evaluations Among the Elderly: A Preliminary Report of an Audiological Screening Model of Subjects at Risk of Cognitive Decline With Slight to Moderate Hearing Loss. FRONTIERS IN NEUROSCIENCE, 13. https://doi.org/10.3389/fnins.2019.01279

CDC National Center for Health Statistics (s. f.). ICD- 10—CM International Classification of Diseases, Tenth Revision, Clinical Modification (ICD-10-CM) (cdc.gov). Recuperado el 18 de abril de 2024 de https://www.cdc.gov/nchs/icd/icd-10-cm.htm

Chen, H., Hailey, D., Wang, N., y Yu, P. (2014). A review of data quality assessment methods for public health information systems. International Journal of Environmental Research and Public Health, 11(5), 5170–5207. https://doi.org/10.3390/ijerph110505170

Chen, S. Y., Grisel, J. J., Lam, A., y Golub, J. S. (2017). Assessing cochlear implant outcomes in older adults using HERMES: A national web-based database. Otology and Neurotology, 38(10), e405–e412. https://doi.org/10.1097/MAO.0000000000001575

Choi, J. S., Adams, M. E., Crimmins, E. M., Lin, F. R., y Ailshire, J. A. (2024). Association between hearing aid use and mortality in adults with hearing loss in the USA: A mortality follow-up study of a cross-sectional cohort. The Lancet Healthy Longevity, 5(1), e66–e75. https://doi.org/10.1016/S2666-7568(23)00232-5

Claes, A. J., Van de Heyning, P., Gilles, A., Van Rompaey, V., y Mertens, G. (2018). Cognitive Performance of Severely Hearing-impaired Older Adults Before and After Cochlear Implantation: Preliminary Results of a Prospective, Longitudinal Cohort Study Using the RBANS-H. Otology & Neurotology: Official Publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology, 39(9), e765–e773. https://doi.org/10.1097/MAO.0000000000001936

Cone-Wesson, B., y Wunderlich, J. (2003). Auditory evoked potentials from the cortex: Audiology applications. Current Opinion in Otolaryngology & Head and Neck Surgery, 11(5), 372–377. https://doi.org/10.1097/00020840-200310000-00011

Cuda, D., Manrique, M., Ramos, Á., Marx, M., Bovo, R., Khnifes, R., Hilly, O., Belmin, J., Stripeikyte, G., Graham, P. L., James, C. J., Greenham, P. V., y Mosnier, I. (2024). Improving quality of life in the elderly: Hearing loss treatment with cochlear implants. BMC Geriatrics, 24(1), 16. https://doi.org/10.1186/s12877-023-04642-2

Daniel, E. (2007). Noise and Hearing Loss: A Review. Journal of School Health, 77(5), 225–231. https://doi.org/10.1111/j.1746-1561.2007.00197.x

Dawes, P., y Völter, C. (2023). Do hearing loss interventions prevent dementia? Zeitschrift Fur Gerontologie Und Geriatrie, 56(4), 261–268. https://doi.org/10.1007/s00391-023-02178-z

Dazert, S., Thomas, J. P., Loth, A., Zahnert, T., y Stöver, T. (2020). Cochlear Implantation. Deutsches Arzteblatt International, 117(41), 690–700. https://doi.org/10.3238/arztebl.2020.0690

eCIE-Maps—Documentación (sanidad.gob.es, 13 de enero de 2024). Recuperado el 18 de abril de 2024 de https://www.eciemaps.sanidad.gob.es/documentation

Fernandez-Alvarez, M., Atienza, M., y Cantero, J. L. (2023). Cortical amyloid-beta burden is associated with changes in intracortical myelin in cognitively normal older adults. Translational Psychiatry, 13(1), 1–9. https://doi.org/10.1038/s41398-023-02420-7

Fitzhugh, M. C., y Pa, J. (2023). Exploring gray matter volume atrophy associations with hearing in the UK Biobank. Alzheimer’s & Dementia, 19(S23), e074985. https://doi.org/10.1002/alz.074985

Formeister, E. J., Krauter, R., Kirk, L., Zhu, T. R., Rizk, H. G., y Sharon, J. D. (2020). Understanding the Dizziness Handicap Inventory (DHI): A Cross Sectional Analysis of Symptom Factors That Contribute to DHI Variance. Otology & Neurotology, 41(1), 86. https://doi.org/10.1097/MAO.0000000000002438

Frid, S., Duran, X. P., Cucó, G. B., Pedrera-Jiménez, M., Serrano-Balazote, P., Carrero, A. M., Lozano-Rubí, R., y otros. (2023). An ontology-based Approach for consolidating patient data standardized with European Norm/International Organization for standardization 13606 (EN/ISO 13606) into Joint Observational Medical Outcomes Partnership (OMOP) repositories: Description of a methodology. JMIR Medical Informatics, 11(1), e44547. https://doi.org/10.2196/44547

Gajecki, T., y Nogueira, W. (2022). An end-to-end deep learning speech coding and denoising strategy for cochlear implants. ICASSP 2022-2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 3109–3113. https://doi.org/10.1101/2021.11.04.467324

Gauthier, S., Webster, C., Servaes, S., Morais, J. A., y Rosa-Nieto, P. (2022). World Alzheimer Report 2022 – Life after diagnosis: Navigating treatment, care and support. Alzheimer’s Disease International.

Gebru, T., Morgenstern, J., Vecchione, B., Vaughan, J. W., Wallach, H., Iii, H. D., y Crawford, K. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86–92. https://doi.org/10.48550/arXiv.1803.09010

Giallini, I., Inguscio, B. M. S., Nicastri, M., Portanova, G., Ciofalo, A., Pace, A., Greco, A., D’Alessandro, H. D., y Mancini, P. (2023a). Neuropsychological Functions and Audiological Findings in Elderly Cochlear Implant Users: The Role of Attention in Postoperative Performance. Audiology Research, 13(2), 236–253. https://doi.org/10.3390/audiolres13020022

Giallini, I., Inguscio, B. M. S., Nicastri, M., Portanova, G., Ciofalo, A., Pace, A., Greco, A., D’Alessandro, H. D., y Mancini, P. (2023b). Neuropsychological Functions and Audiological Findings in Elderly Cochlear Implant Users: The Role of Attention in Postoperative Performance. Audiology Research, 13(2), 236–253. Scopus. https://doi.org/10.3390/audiolres13020022

Giroud, N., Pichora-Fuller, M., Mick, P., Wittich, W., Al-Yawer, F., Rehan, S., Orange, J., y Phillips, N. (2021). Hearing loss is associated with gray matter differences in older adults at risk for and with Alzheimer’s disease. Aging Brain, 1, 100018.

Goodwin, M. V., Hogervorst, E., y Maidment, D. W. (2023a). Hearing difficulties and memory problems: The mediating role of physical health and psychosocial wellbeing. International Journal of Audiology, 0(0), 1–8. https://doi.org/10.1080/14992027.2023.2199443

Goodwin, M. V., Hogervorst, E., y Maidment, D. W. (2023b). Physical activity interventions for adults with hearing loss: A systematic review. Speech, Language and Hearing, 1–11.

Gorgolewski, K. J., Auer, T., Calhoun, V. D., Craddock, R. C., Das, S., Duff, E. P., Flandin, G., Ghosh, S. S., Glatard, T., Halchenko, Y. O., y otros. (2016). The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data, 3(1), 1–9.

Gurgel, R. K., Duff, K., Foster, N. L., Urano, K. A., y deTorres, A. (2022). Evaluating the Impact of Cochlear Implantation on Cognitive Function in Older Adults. The Laryngoscope, 132(S7), S1–S15. https://doi.org/10.1002/lary.29933

Ha, J., Cho, Y. S., Kim, S. J., Cho, S. H., Kim, J. P., Jung, Y. H., Jang, H., Shin, H. Y., Lin, F. R., Na, D. L., Seo, S. W., Moon, I. J., y Kim, H. J. (2020). Hearing loss is associated with cortical thinning in cognitively normal older adults. European Journal of Neurology, 27(6), 1003–1009. https://doi.org/10.1111/ene.14195

Haarbrandt, B., Schreiweis, B., Rey, S., Sax, U., Scheithauer, S., Rienhoff, O., Knaup-Gregori, P., Bavendiek, U., Dieterich, C., Brors, B., Kraus, I., Thoms, C. M., Jäger, D., Ellenrieder, V., Bergh, B., Yahyapour, R., Eils, R., Consortium, H. Gh., y Marschollek, M. (2018). HiGHmed—An Open Platform Approach to Enhance Care and Research across Institutional Boundaries. Methods of Information in Medicine, 57(S 01), e66–e81. https://doi.org/10.3414/ME18-02-0002

He, Z., Li, M., Zou, S., Liao, F., Ding, Y., Su, H., Wei, X., Wei, C., Mu, Y., y Kong, W. J. (2019). Protection and Prevention of Age-Related Hearing Loss. In H. Li y R. Chai (Eds.), Hearing Loss: Mechanisms, Prevention and Cure (pp. 59–71). Springer. https://doi.org/10.1007/978-981-13-6123-4_4

Holman, J. A., Drummond, A., Hughes, S. E., y Naylor, G. (2019). Hearing impairment and daily-life fatigue: A qualitative study. International Journal of Audiology, 58(7), Article 7. https://doi.org/10.1080/14992027.2019.1597284

Holzinger, A., Carrington, A., y Müller, H. (2020). Measuring the quality of explanations: The system causability scale (SCS) comparing human and machine explanations. KI-Künstliche Intelligenz, 34(2), 193–198.

Huang, S., Zhao, G., Wu, J., Li, K., Wang, Q., Fu, Y., Zhang, H., Bi, Q., Li, X., Wang, W., Guo, C., Zhang, D., Wu, L., Li, X., Xu, H., Han, M., Wang, X., Lei, C., Qiu, X., … Yuan, Y. (2021). Gene4HL: An Integrated Genetic Database for Hearing Loss. Frontiers in Genetics, 12. https://doi.org/10.3389/fgene.2021.773009

Huber, M., Roesch, S., Pletzer, B., Lukaschyk, J., Lesinski-Schiedat, A., y Illg, A. (2020). Cognition in older adults with severe to profound sensorineural hearing loss compared to peers with normal hearing for age. International Journal of Audiology, 59(4), 254–262. https://doi.org/10.1080/14992027.2019.1687947

Sitio web del HUVM. (s. f.). Plataforma ITCBio. Recuperado el 18 de abril de 2024 de https://www.hospitalmacarena.es/entrada-blog/itcbio-platform/

ISO 13606 Standard—EHR Interoperability (10 de agosto de 2021). Recuperado el 18 de abril de 2024 de http://www.en13606.org/information.html

Jayakody, D., Friedland, P., Martins, R., y Sohrabi, H. (2018). Impact of Aging on the Auditory System and Related Cognitive Functions: A Narrative Review. FRONTIERS IN NEUROSCIENCE, 12. https://doi.org/10.3389/fnins.2018.00125

Jwa, A. S., y Poldrack, R. A. (2022). The spectrum of data sharing policies in neuroimaging data repositories. Human Brain Mapping, 43(8), 2707–2721.

Kahn, M. G., Callahan, T. J., Barnard, J., Bauck, A. E., Brown, J., Davidson, B. N., Estiri, H., Goerg, C., Holve, E., Johnson, S. G., Liaw, S. T., Hamilton-Lopez, M., Meeker, D., Ong, T. C., Ryan, P., Shang, N., Weiskopf, N. G., Weng, C., Zozus, M. N., y Schilling, L. (2016). A Harmonized Data Quality Assessment Terminology and Framework for the Secondary Use of Electronic Health Record Data. EGEMS (Washington, DC), 4(1), 1244. https://doi.org/10.13063/2327-9214.1244

Kramer, S., Vasil, K. J., Adunka, O. F., Pisoni, D. B., y Moberly, A. C. (2018). Cognitive Functions in Adult Cochlear Implant Users, Cochlear Implant Candidates, and Normal-Hearing Listeners. Laryngoscope Investigative Otolaryngology, 3(4), 304–310. https://doi.org/10.1002/lio2.172

Lawrence, B. J., Jayakody, D. M. P., Bennett, R. J., Eikelboom, R. H., Gasson, N., y Friedland, P. L. (2020). Hearing Loss and Depression in Older Adults: A Systematic Review and Meta-analysis. The Gerontologist, 60(3), e137–e154. https://doi.org/10.1093/geront/gnz009

Lazo-Maestre, M. et al. (2024), An Image-Guided Workflow for Individualized Surgical Planning and Multiphysics Simulation in Cochlear Implant Patients. En: Guisado-Lizar, JL., Riscos-Núñez, A., Morón-Fernández, MJ., Wainer, G. (eds) Simulation Tools and Techniques. SIMUtools 2023. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, vol 519. Springer, Cham. https://doi.org/10.1007/978-3-031-57523-5_17

Levman, J., Ewenson, B., Apaloo, J., Berger, D., y Tyrrell, P. N. (2023). Error consistency for machine learning evaluation and validation with application to biomedical diagnostics. Diagnostics, 13(7), 1315.

Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales. Boletín Oficial del Estado, 294, December 6^th 2018. Recuperado el 18 de abril de 2024 de https://www.boe.es/buscar/doc.php?id=BOE-A-2018-16673

Lin, F. R., Thorpe, R., Gordon-Salant, S., y Ferrucci, L. (2011). Hearing Loss Prevalence and Risk Factors Among Older Adults in the United States. The Journals of Gerontology: Series A, 66A(5), 582–590. https://doi.org/10.1093/gerona/glr002

Lin, F. R., Yaffe, K., Xia, J., Xue, Q. L., Harris, T. B., Purchase-Helzner, E., Satterfield, S., Ayonayon, H. N., Ferrucci, L., Simonsick, E. M., y otros. (2013). Hearing loss and cognitive decline in older adults. JAMA Internal Medicine, 173(4), 293–299. https://doi.org/10.1001/jamainternmed.2013.1868

Linardatos, P., Papastefanopoulos, V., y Kotsiantis, S. (2020). Explainable ai: A review of machine learning interpretability methods. Entropy, 23(1), 18.

Livingston, G., Huntley, J., Sommerlad, A., Ames, D., Ballard, C., Banerjee, S., Brayne, C., Burns, A., Cohen-Mansfield, J., Cooper, C., y otros. (2020). Dementia prevention, intervention, and care: 2020 report of the Lancet Commission. The Lancet, 396(10248), 413–446. https://doi.org/10.1016/S0140-6736(20)30367-6

Livshits, E., Bertossi, L., Kimelfeld, B., y Sebag, M. (2021). The Shapley value of tuples in query answering. Logical Methods in Computer Science, 17. https://doi.org/10.46298/lmcs-17(3:22)2021

Loughrey, D. G., Kelly, M. E., Kelley, G. A., Brennan, S., y Lawlor, B. A. (2018). Association of age-related hearing loss with cognitive function, cognitive impairment, and dementia: A systematic review and meta-analysis. JAMA Otolaryngology–Head & Neck Surgery, 144(2), 115–126. https://doi.org/10.1001/jamaoto.2017.2513

Martinez-Amezcua, P., Powell, D., Kuo, P. L., Reed, N. S., Sullivan, K. J., Palta, P., Szklo, M., Sharrett, R., Schrack, J. A., Lin, F. R., y Deal, J. A. (2021). Association of Age-Related Hearing Impairment With Physical Functioning Among Community-Dwelling Older Adults in the US. JAMA Network Open, 4(6), e2113742. https://doi.org/10.1001/jamanetworkopen.2021.13742

Moreno-Conde, J., Moreno-Conde, A., Salas-Fernández, S., y Parra-Calderón, C. L. (2019). ITCBio, a clinical and translational research platform. AMIA Annual Symposium Proceedings, 2019, 673.

Moreno-Conde, J., Salas-Fernandez, S., y Moreno-Conde, A. (2022). MedicalForms: Integrated management of semantics for electronic health record systems and research platforms. Applied Sciences, 12(9), 4322.

Mosnier, I., Vanier, A., Bonnard, D., Lina-Granade, G., Truy, E., Bordure, P., Godey, B., Marx, M., Lescanne, E., Venail, F., y otros. (2018). Long-term cognitive prognosis of profoundly deaf older adults after hearing rehabilitation using cochlear implants. Journal of the American Geriatrics Society, 66(8), 1553–1561. https://doi.org/10.1111/jgs.15445

Muñoyerro-Muñiz, D., Goicoechea-Salazar, J. A., García-León, F. J., Laguna-Téllez, A., Larrocha-Mata, D., y Cardero-Rivas, M. (2020). Health record linkage: Andalusian health population database. Gaceta Sanitaria, 34(2), 105–113. https://doi.org/10.1016/j.gaceta.2019.03.003

Newman, C. (1 de enero de 2020). HL7 Diagnostic Audiology Reporting Implementation Guide. https://confluence.hl7.org/display/PHWG/Diagnostic+Audiology+Reporting+Implementation+Guide

Newman, C. W., Jacobson, G. P., y Spitzer, J. B. (1996). Development of the tinnitus handicap inventory. Archives of Otolaryngology–Head & Neck Surgery, 122(2), Article 2.

Nieman, C. L., y Oh, E. S. (2020). Hearing Loss. Annals of Internal Medicine, 173(11), ITC81–ITC96. https://doi.org/10.7326/AITC202012010

openEHR Concept name: Common_audiological_functional_parameters. (4 de mayo de 2024). Recuperado el 3 de junio de 2024 de https://ckm.highmed.org/ckm/archetypes/1246.145.2160

Powell, D. S., Oh, E. S., Lin, F. R., y Deal, J. A. (2021). Hearing impairment and cognition in an aging world. Journal of the Association for Research in Otolaryngology, 22(4), 387–403. https://doi.org/10.1007/s10162-021-00799-y

Protti, D. (2007). Moving toward a single comprehensive electronic health record for every citizen in Andalucía, Spain. Healthcare Quarterly (Toronto, Ont.), 10(4), 114–123, 4.

Publications Office of the European Union. (27 de abril de 2016). Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data, and repealing Directive 95/46/EC (General Data Protection Regulation) [Website]. Publications Office of the EU; Publications Office of the European Union. https://op.europa.eu/en/publication-detail/-/publication/3e485e15-11bd-11e6-ba9a-01aa75ed71a1/language-en

Rader, T., Nachtigäller, P., Linke, T., Weißgerber, T., y Baumann, U. (2023). Exponential fitting of spread of excitation response measurements in cochlear implants. Journal of Neuroscience Methods, 391, 109854.

Rajpurkar, P., Chen, E., Banerjee, O., y Topol, E. J. (2022). AI in health and medicine. Nature Medicine, 28(1), 31–38. https://doi.org/10.1038/s41591-021-01614-0

Raymond, M. J., Ma, C., Schvartz-Leyzac, K. C., Camposeo, E. L., Nguyen, S. A., Meyer, T. A., y McRackan, T. R. (2023). Association of Cognitive Impairment Screening Scores With Improvements in Speech Recognition and Quality of Life After Cochlear Implantation. JAMA Otolaryngology–Head y Neck Surgery, 149(4), 344–351. https://doi.org/10.1001/jamaoto.2022.4825

Relaño-Iborra, H., y Dau, T. (2022). Speech intelligibility prediction based on modulation frequency-selective processing. Hearing Research, 426, 108610. https://doi.org/10.1016/j.heares.2022.108610

Rosemann, S., y Thiel, C. M. (2020). Neuroanatomical changes associated with age-related hearing loss and listening effort. Brain Structure and Function, 225(9), 2689–2700. https://doi.org/10.1007/s00429-020-02148-w

Rutherford, B. R., Brewster, K., Golub, J. S., Kim, A. H., y Roose, S. P. (2018). Sensation and psychiatry: Linking age-related hearing loss to late-life depression and cognitive decline. American Journal of Psychiatry, 175(3), 215–224.

Ryu, S. (2012). Book review: mHealth: New horizons for health through mobile technologies: Based on the findings of the second global survey on eHealth (global observatory for eHealth series, volume 3). Healthcare Informatics Research, 18(3), 231. https://doi.org/10.4258/hir.2012.18.3.231

Sánchez-Cuadrado, I., Gavilán, J., Pérez-Mora, R., Muñoz, E., y Lassaletta, L. (2015). Reliability and validity of the Nijmegen cochlear implant questionnaire in Spanish. European Archives of Oto-Rhino-Laryngology, 272(7), Article 7.

Sánchez-Cuadrado, I., Lassaletta, L., Perez-Mora, R., Muñoz, E., y Gavilán, J. (2015). Reliability and validity of the Spanish Glasgow Benefit Inventory after cochlear implant surgery in adults. European Archives of Oto-Rhino-Laryngology, 272(2), 333–336.

Sánchez-López, R., Fereczkowski, M., Neher, T., Santurette, S., y Dau, T. (2020). Robust Data-Driven Auditory Profiling Towards Precision Audiology. Trends in Hearing, 24. https://doi.org/10.1177/2331216520973539

Sánchez-López, R., Grini-Nielsen, S., Cañete, O., Fereczkowski, M., Wu, M., Neher, T., Dau, T., y Santurette, S. (2019). A clinical test battery for Better hEAring Rehabilitation (BEAR): Towards the prediction of individual auditory deficits and hearing-aid benefit. 23rd International Congress on Acoustics, 3841–3848. https://doi.org/10.18154/RWTH-CONV-239177

Santos, M. R., Bax, M. P., y Kalra, D. (2010). Building a logical EHR architecture based on ISO 13606 standard and semantic web technologies. In MEDINFO 2010 (pp. 161–165). IOS Press.

Schmidt, C. O., Struckmann, S., Enzenbach, C., Reineke, A., Stausberg, J., Damerow, S., Huebner, M., Schmidt, B., Sauerbrei, W., y Richter, A. (2021). Facilitating harmonized data quality assessments. A data quality framework for observational health research data collections with software implementations in R. BMC Medical Research Methodology, 21, 1–15.

Siddique, S., Haque, M. A., George, R., Gupta, K. D., Gupta, D., y Faruk, M. J. H. (2023). Survey on Machine Learning Biases and Mitigation Techniques. Digital, 4(1), 1–68.

Solarte, S. E., Chacón, M. M., y Ortiz, Y. A. (2016). Validez de contenido-escala “abbreviated profile of hearing aid benefit”. Areté, 16(1), 39–52.

Swanepoel, D. W. (2023). Advancing Equitable Hearing Care Through Innovations in Technology and Service-Delivery. Folia Phoniatrica et Logopaedica, 1–1. https://doi.org/10.1159/000530671

Theunisse, H. J., Mulder, J. J., Pennings, R. J. E., Kunst, H. P. M., y Mylanus, E. A. M. (2014). A database system for the registration of complications and failures in cochlear implant surgery applied to over 1000 implantations performed in Nijmegen, The Netherlands. Journal of Laryngology and Otology, 128(11), 952–957. https://doi.org/10.1017/S0022215114002126

Uchida, Y., Sugiura, S., Nishita, Y., Saji, N., Sone, M., y Ueda, H. (2019a). Age-related hearing loss and cognitive decline—The potential mechanisms linking the two. Auris, Nasus, Larynx, 46(1), 1–9. https://doi.org/10.1016/j.anl.2018.08.010

Uchida, Y., Sugiura, S., Nishita, Y., Saji, N., Sone, M., y Ueda, H. (2019b). Age-related hearing loss and cognitive decline—The potential mechanisms linking the two. Auris, Nasus, Larynx, 46(1), 1–9. https://doi.org/10.1016/j.anl.2018.08.010

Van Dun, B., Kania, A., y Dillon, H. (2016). Cortical Auditory Evoked Potentials in (Un)aided Normal-Hearing and Hearing-Impaired Adults. Seminars in Hearing, 37(1), 9–24. https://doi.org/10.1055/s-0035-1570333

Van Esch, T. E., Kollmeier, B., Vormann, M., Lyzenga, J., Houtgast, T., Hällgren, M., Larsby, B., Athalye, S. P., Lutman, M. E., y Dreschler, W. A. (2013). Evaluation of the preliminary auditory profile test battery in an international multi-centre study. International Journal of Audiology, 52(5), 305–321. https://doi.org/10.3109/14992027.2012.759665

Van Opstal, A. J., y Noordanus, E. (2023). Towards personalized and optimized fitting of cochlear implants. Frontiers in Neuroscience, 17, 1183126. https://doi.org/10.3389/fnins.2023.1183126

Vicente, L., y Matute, H. (2023). Humans inherit artificial intelligence biases. Scientific Reports, 13(1), 15737. https://doi.org/10.1038/s41598-023-42384-8

Viergever, K., Kraak, J. T., Bruinewoud, E. M., Ket, J. C., Kramer, S. E., y Merkus, P. (2021). Questionnaires in otology: A systematic mapping review. Systematic Reviews, 10, 1–9. https://doi.org/10.1186/s13643-021-01659-9

Völter, C., Götze, L., Falkenstein, M., Dazert, S., y Thomas, J. P. (2017). Application of a computer-based neurocognitive assessment battery in the elderly with and without hearing loss. Clinical Interventions in Aging, 12, 1681–1690. https://doi.org/10.2147/CIA.S142541

Völter, C., Götze, L., Kamin, S. T., Haubitz, I., Dazert, S., y Thomas, J. P. (2022a). Can cochlear implantation prevent cognitive decline in the long-term follow-up? Frontiers in Neurology, 13, 1009087. https://doi.org/10.3389/fneur.2022.1009087

Völter, C., Götze, L., Kamin, S. T., Haubitz, I., Dazert, S., y Thomas, J. P. (2022b). Can cochlear implantation prevent cognitive decline in the long-term follow-up? Frontiers in Neurology, 13, 1009087. https://doi.org/10.3389/fneur.2022.1009087

Wang, H. F., Zhang, W., Rolls, E. T., Li, Y., Wang, L., Ma, Y. H., Kang, J., Feng, J., Yu, J. T., y Cheng, W. (2022). Hearing impairment is associated with cognitive decline, brain atrophy and tau pathology. Ebiomedicine, 86.

Wang, T. C., Chang, T. Y., Tyler, R., Lin, Y. J., Liang, W. M., Shau, Y. W., Lin, W. Y., Chen, Y. W., Lin, C. D., y Tsai, M. H. (2020). Noise Induced Hearing Loss and Tinnitus—New Research Developments and Remaining Gaps in Disease Assessment, Treatment, and Prevention. Brain Sciences, 10(10), Article 10. https://doi.org/10.3390/brainsci10100732

Waring, J., Lindvall, C., y Umeton, R. (2020). Automated machine learning: Review of the state-of-the-art and opportunities for healthcare. Artificial Intelligence in Medicine, 104, 101822. https://doi.org/10.1016/j.artmed.2020.101822

Wasmann, J. W. A., Lanting, C. P., Huinck, W. J., Mylanus, E. A. M., Laak, J. W. M. V. D., Govaerts, P. J., Swanepoel, D. W., Moore, D. R., y Barbour, D. L. (2021). Computational Audiology: New Approaches to Advance Hearing Health Care in the Digital Age. Ear and Hearing, 42(6), 1499–1507. https://doi.org/10.1097/AUD.0000000000001041

Wayne, R. V., y Johnsrude, I. S. (2015). A review of causal mechanisms underlying the link between age-related hearing loss and cognitive decline. Ageing Research Reviews, 23, 154–166. https://doi.org/10.1016/j.arr.2015.06.002

Wells, T. S., Nickels, L. D., Rush, S. R., Musich, S. A., Wu, L., Bhattarai, G. R., y Yeh, C. S. (2020). Characteristics and Health Outcomes Associated With Hearing Loss and Hearing Aid Use Among Older Adults. Journal of Aging and Health, 32(7–8), 724–734. https://doi.org/10.1177/0898264319848866

WHO. (2021). World Report on Hearing. https://www.who.int/publications/i/item/9789240020481

Wilkinson, M. D., Dumontier, M., Aalbersberg, Ij. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J. W., da Silva Santos, L. B., Bourne, P. E., y otros. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3(1), 1–9. https://doi.org/10.1038/sdata.2016.18

Yung, M., James, A., Merkus, P., Philips, J., Black, B., Tono, T., Linder, T., Dornhoffer, J., y İncesulu, A. (2018). International otology outcome group and the international consensus on the categorization of tympanomastoid surgery. The Journal of International Advanced Otology, 14(2), 216.

Zhan, K. Y., Lewis, J. H., Vasil, K. J., Tamati, T. N., Harris, M. S., Pisoni, D. B., Kronenberger, W. G., Ray, C., y Moberly, A. C. (2020). Cognitive Functions in Adults Receiving Cochlear Implants: Predictors of Speech Recognition and Changes After Implantation. Otology & Neurotology: Official Publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology, 41(3), e322–e329. https://doi.org/10.1097/MAO.0000000000002544

Zhang, Y., Callejón-Leblic, M. A., Picazo-Reina, A. M., Blanco-Trejo, S., y Sánchez-Gómez, S. (2023). Impact of SNR, peripheral auditory sensitivity, and central cognitive profile on the psychometric relation between pupillary response and speech performance in CI users. Frontiers in Neuroscience, 17. https://doi.org/10.3389/fnins.2023.1307777

Apéndice A

En el sitio web del proyecto puede encontrarse más documentación.

• URL: https://plataforma.innovacionsalud.org (acceso el 16 de septiembre de 2024).

Desde este sitio web podrá acceder y probar la base de datos desarrollada con el siguiente nombre de usuario y contraseña:

• Usuario: demo_misiones

• Contraseña: 123456

En este vínculo también puede consultarse un manual de usuario de la plataforma de demostración.

Apéndice B

En la página de GitHub se ofrecen más materiales que comprenden los códigos fuente aplicados para leer e importar archivos XML del programa Otoaccess y del equipo Eclipse EP25 (Interacoustics A/S, Middelfart, Dinamarca):

URL: https://github.com/amparocallejon/MISIONES_IA

Agradecimientos

Nos gustaría agradecer al personal clínico del HUVM sus valiosos comentarios, que han contribuido al diseño de la plataforma.

Conflictos de interés

Parte de la actividad investigadora de M.A. Callejón-Leblic es financiada por la empresa Oticon Medical España. El resto de autores no declaran ningún conflicto de interés.

Contribución de los autores

MACL: redacción, conceptualización, obtención de los datos, análisis de los datos, metodología. SBT y BVG: revisión del manuscrito, obtención de los datos, análisis de los datos, metodología. AMPR, BTG, ALD, MLM, FLB, FER, MAC, MLCR, CLL, CAG, FRR, LAU y MCG: metodología, obtención de los datos. MAR, JCL, AMC, JMC y SSG: conceptualización, metodología, obtención de la financiación, supervisión.

Financiación

Esta investigación ha sido financiada por el Ministerio de Asuntos Económicos y Transformación Digital en el marco del proyecto AI4HA: IA para el diagnóstico y tratamiento temprano de enfermedades con gran prevalencia en el envejecimiento dentro del programa Misiones I+D en Inteligencia Artificial de 2021 (MIA.2021.M02.0007) (WP8).

Declaración de disponibilidad de los datos

Existen varios materiales complementarios de acceso libre, como se describe en los diferentes apéndices y en los siguientes enlaces:

Material Suplementario 1

Material Suplementario 2

Material Suplementario 3

Documentación complementaria

Puede consultarse un vídeo en el que se muestran varios apartados de la plataforma en: Demo MISIONES IA (acceso el 16 de septiembre de 2024).

Cómo citar:

Callejón-Leblic, M. A., Blanco-Trejo, S., Villarreal-Garza, B., Picazo-Reina, A. M., Tena-García, B., Lara-Delgado, A., … Sánchez-Gómez, S. (2024).
Una base de datos multimodal para la recopilación de datos de investigación audiológicos interdisciplinares. Auditio, 8, e109.
https://doi.org/10.51445/sja.auditio.vol8.2024.109

Correspondencia

*M. Amparo Callejón-Leblic
Hospital Universitario Virgen Macarena, Avda. Dr. Fedriani 3, 41009 Sevilla, España. Grupo de Ingeniería Biomédica, Universidad de Sevilla, Camino de los Descubrimientos, s/n, 41092 Sevilla, España.
Correo electrónico: mcallejon@us.es

Oficina Editorial

Corrección: Tomás Pérez Pazos

Traducción: Tomás Pérez Pazos

Revisión traducción: Raúl Sanchez Lopez

Producción: Glaux Publicaciones Académicas