大样本人工耳蜗用户队列中噪声下言语识别表现个体差异的神经相关因素

基于摘要分析。本研究关注人工耳蜗（CI）用户噪声下言语识别能力的个体差异，考察单个 Cz 电极记录的 N1-P2 ERP 能否在听力与人口学因素之外提供解释信息，长期目标是形成便于临床采集的电生理相关指标。这是听觉功能的临床关联研究，并非 BCI 解码算法研究。 研究纳入 114 名语后聋 CI 用户，在完成 California Consonant Test（CCT）噪声下词识别任务时记录 EEG。部分被试还完成了安静条件下的 Consonant-Nucleus-Consonant（CNC）词识别任务及噪声下的 AzBio sentences 句子识别任务。为提高临床适用性，分析聚焦 Cz 的 N1-P2 ERP，并将其与人口学及听力因素共同纳入多元线性回归。 作者报告，三种言语感知任务的得分总体一致性较好，但神经相关因素有所不同：ERP 振幅与 CCT 及离线完成的 CNC 词识别表现存在较强关联，在控制残余低频听阈等已知预测因素后仍成立；ERP 振幅未能预测 AzBio 表现，后者由设备使用时长、低频听阈及年龄预测。摘要未提供回归系数、解释方差、置信区间或具体得分，无法据此量化预测效果。 作者报告，在 CI 用户中，对目标词更强的皮层反应对应更好的表现；这与其引用的正常听力人群既往研究形成对照，后者强调抑制噪声的能力。作者据此提出，CI 用户与正常听力人群可能对不同神经过程赋予不同权重，词识别与句子识别也可能涉及不同机制；这些关联不能直接解释为因果关系。 复现与临床验证需核对刺激及噪声条件、ERP 时间窗与振幅定义、人工耳蜗相关伪迹处理、各任务有效样本数、回归变量设置及独立样本验证方式。实验协议、消融及统计信息尚未验证，摘要亦不足以确认该指标能否用于个体临床决策。