25dgpp11 10.3205/25dgpp11 urn:nbn:de:0183-25dgpp117 Poster Fleischer Fleischer M. M Dr.

Charité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Klinik für Audiologie und Phoniatrie, Berlin, DeutschlandCharité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Klinik für Audiologie und Phoniatrie, Berlin, Deutschland

mario.fleischer@charite.de author Hahn Hahn L. L

Charité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Klinik für Audiologie und Phoniatrie, Berlin, Deutschland

author Wohlfahrt Wohlfahrt F. F

Charité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Klinik für Audiologie und Phoniatrie, Berlin, Deutschland

author Männel Männel C. C

Charité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Klinik für Audiologie und Phoniatrie, Berlin, Deutschland Max-Planck-Institut für Kognitions- und Neurowissenschaften, Leipzig, Deutschland

author Hirschfelder Hirschfelder A. A

Charité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Klinik für Audiologie und Phoniatrie, Berlin, Deutschland

author Mürbe Mürbe D. D

Charité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Klinik für Audiologie und Phoniatrie, Berlin, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20250925 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0623 11 Deutsche Gesellschaft für Phoniatrie und Pädaudiologie 41. Wissenschaftliche Jahrestagung der Deutschen Gesellschaft für Phoniatrie und Pädaudiologie (DGPP) Hörstörungen früh entdecken, versorgen und effektiv rehabilitieren II Münster 20250925 20250928 P4 Hintergrund: Die frequenzspezifische Hörschwelle (Hörkurve) ist fundamental in Diagnostik und Therapie kindlicher Hörstörungen (HS). Bisher wurden Form und Prävalenz verschiedener Hörschwellenverläufe jedoch nur in kleinen Datensätzen beschrieben, sodass wichtige epidemiologische Zusammenhänge nur unzureichend charakterisiert sind. Die aktuelle Studie ermittelt typische Hörkurven-Formen aus dem DZH mit Hilfe von Gaussian-Mixture Models (GMM) und untersucht Zusammenhänge zwischen der Form der Hörkurve und weiteren klinischen Charakteristika.Material und Methoden: Von n=9.465 Kindern mit permanenter Hörstörung wurden n=16.165 Hörkurven anhand altersentsprechender subjektiver Hörschwellenbestimmung oder BERA identifiziert und iterativ mittels GMM geclustert. Die optimale Clusteranzahl wurde aus einer Kombination aus BIC und Silhouettenkoeffizient ermittelt. Klinische Charakteristika (Alter, Art und Symmetrie der Hörstörung) wurden aus dem Register extrahiert und auf ihre Verteilung in den ermittelten Clustern untersucht.Ergebnisse: Es wurden sechs Cluster ermittelt, die sich über alle Hörstörungs-Schweregrade verteilten: zwei pantonale Cluster, ein Cluster mit Tiefton-Hörverlust und drei Cluster mit Hochton-Hörverlust unterschiedlicher Steigung. Die meisten Hörkurven (n=5.770) fielen in das Cluster mit mittlerem Hochton-Abfall (PTA4: 44 dB HL), während die Anzahl der Hörkurven in den verbleibenden Clustern zwischen n=1.733 und n=2.589 lag. Sensorineurale HS dominierten in allen Clustern. Kombinierte und konduktive HS traten mit bis zu 12% vor allem in drei Clustern mit leichtem bis mittelgradigem Hörverlust auf. Das mittlere Alter über alle Cluster lag bei 6;1 Jahren (IQR: 4;8), wobei sich eine hohe Anzahl an Kindern im ersten Lebensjahr in den vier Clustern mit einem mittleren bis hochgradigem Hörverlust fand. Kinder mit unilateraler HS waren gleichmäßig in allen sechs Clustern vertreten, während Kinder mit bilateraler HS besonders häufig im Cluster mit leichtem Hochton-Hörverlust vorkamen. Bei 25% der Kinder mit bilateraler HS wurden die Hörkurven beider Ohren unterschiedlichen Clustern zugeordnet (zumeist eine Kombination aus pantonalem und Hochton-Hörverlust), was auf eine asymmetrische Hörstörung hindeutet.Schlussfolgerungen: Datengetriebenes Clustering ermöglicht eine objektive und effiziente Segmentierung von Hörkurven. Aus der Kombination von Hörkurven-Clustern und klinischen Charakteristika ergeben sich audiologische Profile kindlicher Hörstörungen, die zukünftig die technische Versorgung und Diagnostik bereichern können. TextHintergrundDie frequenzspezifische Hörschwelle (Hörkurve) ist fundamental in Diagnostik und Therapie kindlicher Hörstörungen (HS). Bisher wurden Form und Prävalenz verschiedener Hörschwellenverläufe jedoch nur in kleinen Datensätzen beschrieben, sodass wichtige epidemiologische Zusammenhänge nur unzureichend charakterisiert sind. Die aktuelle Studie ermittelt typische Hörkurven-Formen aus dem DZH mit Hilfe von Gaussian-Mixture Models (GMM) und untersucht Zusammenhänge zwischen der Form der Hörkurve und weiteren klinischen Charakteristika.Material und MethodenVon n=9.465 Kindern mit permanenter Hörstörung wurden n=16.165 Hörkurven anhand altersentsprechender subjektiver Hörschwellenbestimmung oder BERA identifiziert und iterativ mittels GMM geclustert. Die optimale Clusteranzahl wurde aus einer Kombination aus BIC und Silhouettenkoeffizient ermittelt. Klinische Charakteristika (Alter, Art und Symmetrie der Hörstörung) wurden aus dem Register extrahiert und auf ihre Verteilung in den ermittelten Clustern untersucht.ErgebnisseEs wurden sechs Cluster ermittelt, die sich über alle Hörstörungs-Schweregrade verteilten: zwei pantonale Cluster, ein Cluster mit Tiefton-Hörverlust und drei Cluster mit Hochton-Hörverlust unterschiedlicher Steigung. Die meisten Hörkurven (n=5.770) fielen in das Cluster mit mittlerem Hochton-Abfall (PTA4: 44 dB HL), während die Anzahl der Hörkurven in den verbleibenden Clustern zwischen n=1.733 und n=2.589 lag. Sensorineurale HS dominierten in allen Clustern. Kombinierte und konduktive HS traten mit bis zu 12% vor allem in drei Clustern mit leichtem bis mittelgradigem Hörverlust auf. Das mittlere Alter über alle Cluster lag bei 6;1 Jahren (IQR: 4;8), wobei sich eine hohe Anzahl an Kindern im ersten Lebensjahr in den vier Clustern mit einem mittleren bis hochgradigem Hörverlust fand. Kinder mit unilateraler HS waren gleichmäßig in allen sechs Clustern vertreten, während Kinder mit bilateraler HS besonders häufig im Cluster mit leichtem Hochton-Hörverlust vorkamen. Bei 25% der Kinder mit bilateraler HS wurden die Hörkurven beider Ohren unterschiedlichen Clustern zugeordnet (zumeist eine Kombination aus pantonalem und Hochton-Hörverlust), was auf eine asymmetrische Hörstörung hindeutet.DiskussionDie hier gewählte Methode des Clustering ergab eine Repräsentation der gesamten Varianz kindlicher Hörkurven. Die hohen Zuordnungswahrscheinlichkeiten zu den ermittelten Clustern deuten außerdem auf eine reliable Segmentierung der Daten hin. Neben der Form der Hörkurve erlaubt das Clustering auch eine Berücksichtigung des Schweregrads der Hörstörung, sodass die tatsächlichen Hörbedingungen betroffener Kinder realistisch erfasst werden können. Es zeigten sich außerdem ausgesprochen heterogene Beziehungen zwischen klinischen Charakteristika und Hörkurven-Clustern, was Beobachtungen im klinischen Alltag und Daten früherer Studien bestätigt .Fazit/SchlussfolgerungDaten-getriebenes Clustering ermöglicht eine objektive und effiziente Segmentierung von Hörkurven. Aus der Kombination von Hörkurven-Clustern und klinischen Charakteristika ergeben sich audiologische Profile kindlicher Hörstörungen, die zukünftig die technische Versorgung und Diagnostik bereichern können. Finckh-Krämer U Spormann-Lagodzinski M Gross M German registry for hearing loss in children: results after 4 years 2000 Int J Pediatr Otorhinolaryngol 113–27 Finckh-Krämer U, Spormann-Lagodzinski M, Gross M. German registry for hearing loss in children: results after 4 years. Int J Pediatr Otorhinolaryngol. 2000;56(2):113–27. Pedregosa F Varoquaux G Gramfort A Scikit-learn: Machine learning in python 2011 J Mach Learn Res 2825–30 Pedregosa F, Varoquaux G, Gramfort A, et al. Scikit-learn: Machine learning in python. J Mach Learn Res. 2011;12(85):2825–30. Pittman AL Stelmachowicz PG Hearing loss in children and adults: Audiometric configuration, asymmetry, and progression 2003 Ear Hear 198-205 Pittman AL, Stelmachowicz PG. Hearing loss in children and adults: Audiometric configuration, asymmetry, and progression. Ear Hear. 2003;24(3):198-205. 0 0 0 0