Virtual Realitys indflydelse på stemmeopfattelse og produktion

Dette projekt retter sig mod tre specifikke mål. Specifikke mål 1 og 2 opstiller mange af parametrene for det kliniske forsøg, som behandles i Specifikt mål 3. Detaljer for projektet som helhed, herunder det kliniske forsøg, er som følger, kopieret og indsat fra bevillingsforslaget.

3.0 FORSKNINGSINDGANG Det overordnede formål er at undersøge virkningerne af auditiv, visuel og audiovisuel information på opfattelsen og produktionen af ​​ens egen stemme ved at bruge VR som et undersøgelsesværktøj, og at give foreløbige data om den potentielle nytte af VR i stemmen træningsmiljø. Detaljer vedrørende specifikke mål findes på den relevante side.

3.1 Deltagere: For SA1 og SA2 vil 60 stemmesunde klasselærere blive rekrutteret mellem 24 og 50 år (se 3.2). I den nedre ende repræsenterer denne aldersgruppe den tidligste alder, hvor lærere kan påbegynde deres professionelle lærerkarriere, og i den øvre ende repræsenterer den gennemsnitlige alder for indtræden af ​​overgangsalderen for kvinder, og vi ønsker at begrænse hormonelle og andre aldersrelaterede påvirkninger i data. Alle deltagere vil deltage i SA1 og SA2, som anvender de samme samtidige dataindsamlingsprocedurer med forskellige analyser for perceptuelle mål (SA1) og produktionsmål (SA2). Til SA3, som er undersøgende, vil der blive rekrutteret 10 ekstra sunde lærere med samme egenskaber. For alle SA er inklusions- og eksklusionskriterier: Inklusion: Ved selvrapportering: (1) K-12 klasselærer med mindst to års undervisningserfaring (SA1 og SA2) eller grundskoleklasselærer (SA3), mellem 24 og 50 år ; (2) Ingen historie med stemmelidelse, der varede mere end to uger, og Voice Handicap Index -10 (VHI-10)63 score < 10; (3) Livstid ikke-ryger; (4) Ingen hørelse eller ukorrigeret synsnedsættelse; Ved skriftlig dokumentation: (5) Bevis for fuld COVID-19-vaccination; Ved klinisk evaluering: (6) Normal stemme på dage med deltagelse, som vurderet af en stemme-specialiseret licenseret SLP baseret på en samlet sværhedsgrad fra Consensus-Auditory Perceptual Evaluation of Voice (CAPE-V) < 10,65 Eksklusion: Ved selvrapportering :(7) Historie med stemmefoldspatologi eller anden patologi, der påvirker stemmen; (8) enhver akut tilstand, der kan påvirke stemmeproduktionen, såsom hoste, tilstoppet næse eller temperatur over 98,6o F (37,0o C). Bemærk, at det kun er vokalsunde lærere, der vurderes på dette trin, før man introducerer kompleksiteten forbundet med stemmelidelser. Disse kompleksiteter vil blive behandlet i senere translationelt arbejde, der bygger på denne serie. Det skal bemærkes, at forskningsprogrammet i sidste ende er relevant for lærere med stemmeproblemer, men også for arbejdsmiljøet for nuværende raske lærere.

3.2 Effektanalyser: Effektanalyser antog en medium effektstørrelse på d = 0,4, tosidet, for test af alle afhængige variable på tværs af SA1 og SA2. Resultater antydede, at en N=51 vil være tilstrækkelig til at detektere fund for alle variable med et signifikansniveau på α = 0,05 og en potens på 0,8. På grund af mulig nedslidning vil 60 deltagere blive rekrutteret til mål 1 og 2. Dette antal har vist af vores co-investigator Bottalico og i vores egne nyere foreløbige data at være rigeligt til at påvise væsentlige effekter svarende til dem, der er undersøgt i denne serie. (f.eks. forskelle i perceptuelle vurderinger af vokal indsats og komfort, og også SPL og middel f0; (Bottalico, 2017; Bottalico et al., 2016; Daşdöğen et al., upublicerede data). Til SA3, som er eksplorativt, rekrutteres i alt 10 deltagere til at indhente foreløbige data til en senere klinisk serie.

3.3 Procedurer 3.3.1 SA1 og SA2: Tres K-12 klasselærere vil blive rekrutteret gennem løbesedler udsendt i fællesskabet og på sociale medier og gennem direkte kontakt med offentlige skoler i Delaware, New Jersey, Pennsylvania og Maryland, som alle evt. være i umiddelbar nærhed af studiestedet ved University of Delaware. Personer, der kontakter PI med interesse i at deltage, vil modtage et overblik over undersøgelsen via telefon eller sikker fjernforbindelse, og hvis de er enige, vil de give informeret samtykke. Efter samtykke vil deltagerne blive guidet til et online screening REDCap-spørgeskema ved hjælp af en HIPAA-kompatibel server for at adressere alle inklusions- og eksklusionskriterier undtagen den kliniske auditiv-perceptuelle evaluering af stemmen (CAPE-V). Kvalificerede deltagere vil blive planlagt til en in-lab aftale på University of Delaware STAR campus voice lab. I begyndelsen af ​​aftalen vil klinikeren vurdere deltagerens stemme for at bekræfte normal stemmekvalitet ved hjælp af CAPE-V. Deltagere, der består dette sidste screeningstrin (samlet CAPE-V-sværhedsgrad < 10), vil fortsætte til eksperimentelle procedurer. Andre vil blive undskyldt.

For eksperimentelle procedurer vil deltagerne først blive trænet i de taleopgaver, der vil blive brugt under undersøgelsen: at introducere sig selv til et klasseværelse i 15 sekunder, levere en to-minutters tutorial relateret til deres undervisningsekspertise, opretholde vokalen /a/ for 3 sekunder gentaget tre gange, og producerer CAPE-V-sætningen "Vi var væk for et år siden" gentaget tre gange. Deltagerne vil derefter modtage instruktioner til selvrapporteringsspørgeskemaet, der afspejler selvopfattet stemmestyrke, stemmeanstrengelse og stemmekomfort for talestimuli som et sæt (se 6.0). Efter levering af disse instruktioner vil instrumentering blive placeret, herunder headset-mikrofoner, hovedtelefoner og VR-briller (se 4.0). Deltagerne vil derefter udføre de eksperimentelle taleopgaver i hver af 15 tilfældigt ordnede forhold med og uden baggrundsstøj, der praktisk talt efterligner auditive og visuelle egenskaber af rum i den virkelige verden, varierende fra lille til stor foredragssal, med tør til meget genklang akustik og varierende højttaler- afstande til lytteren.

Rumakustik vil blive foreskrevet til at karakterisere og kontrollere akustisk varierende forhold på tværs af VR-miljøer (ISO 3382, se 5.0). OBRIR-målinger vil blive opnået i et klasseværelse, en forelæsningssal og et skoleauditorium på University of Illinois Urbana-Champaign campus, hvor dimensionerne svarer til VR-klasseværelserne (se 5.0). Ovation-software (Ovation VRSpeaking, LLC, NJ, USA) vil blive brugt til at levere realistiske VR-rum og 3D-lyttere (se 4.0). Eksperimentelle opgaver vil omfatte en række tilskyndede taleytringer som for træningstilstanden, (i) uden ekstern audio eller visuel feedback eller baggrundsstøj (eksperimentel basislinje), (ii) i hver auditiv tilstand alene, (iii) i hver visuel tilstand alene, og (iv) i hver kombination af auditive og visuelle forhold. Alle betingelser ii-iv vil blive produceret med og uden baggrundsstøj beskrevet kort. For betingelserne kun lyd, vil deltagerne bære en øjenmaske for at blokere visuel information. Under disse forhold vil deltagerne, for at hjælpe med kommunikative hensigter, høre bifald, der er foldet sammen med matchede rumakustiske reaktioner, før de starter hver talestreng, hvilket vil give et lyd-rumligt fingerpeg om publikums tilstedeværelse, omtrent hvor overfyldt miljøet er, og hvordan lyttere langt væk er i miljøet. For at øge deltagernes engagement i omgivelserne, vil eksaminator, før de taler, bede dem om at estimere publikumsstørrelse og taler-til-lytter-afstand. For alle visuelle forhold vil deltagerne se de respektive visuelle rum og siddende lyttere, som vil reagere på taleren på realistiske måder (f.eks. bevæge sig mens du sidder, klø i hovedet osv.). For yderligere at fremme deltagerengagementet vil eksaminator spørge hver deltager om, hvor mange mennesker der er i miljøet, og hvor langt væk de er. Under alle forhold vil deltagerne blive bedt om at "tale, så alle kan forstå dig." Som nævnt vil alle forhold blive udført med og uden baggrundsstøj leveret under deltagernes tale. Støjniveauet vil svare til det niveau, der er repræsentativt for et typisk klassemiljø (gennemsnit på 54 dB).66 Efter at deltagerne har produceret taleytringer i hver tilstand, vil de fjerne VR-briller eller øjenmaske og vil blive bedt om at udfylde spørgeskemaet om selvrapporteret lydstyrke, vokal indsats og stemmekomfort for de foregående ytringer. Spørgeskemaet vil blive vist på en computerskærm, der giver mulighed for digitale svar på VAS-skalaer (se 6.0). Derefter vil deltagerne fortsætte til den næste VR-tilstand og så videre, indtil dataindsamlingen for alle tilstande er afsluttet, hvorved sessionen afsluttes. Den samlede varighed af sessionen forventes at være omkring 120 minutter.

3.3.2 SA3: Deltagerne vil være 10 klasselærere. Efter opfyldelse af inklusions- og eksklusionskriterier med undtagelse af klinisk auditiv evaluering af stemme, vil kvalificerede deltagere præsentere for STAR stemmelaboratoriet for stemmeevaluering som for SA1 og SA2. Deltagere, der består stemmescreeningen, vil derefter blive udstyret med relevant instrumentering (3.3.1; 4.0) og vil producere de samme ytringsstrenge som for SA1 og SA2, med en højttaler-til-målafstand på 4 m, specificeret af en fysisk mannequin. Derefter vil deltagerne blive tilfældigt allokeret til en af ​​to træningsbetingelser: traditionelt klinisk rum eller VR-miljø. Under deres respektive forhold vil deltagerne modtage træning i et terapeutisk stemmemønster, der også har værdi for sunde talere, "resonant stemme."68-71 Uddannelsen vil blive varetaget af en tale-sprog-patolog med mindst to års erfaring med stemmelidelser, og som har gennemført standardiseret uddannelse i Lessac-Madsen Resonant Voice Therapy (LMRVT).26 Gennem træningen i begge miljøer vil baggrundsstøj blive præsenteret som for SA1 og SA2, i frit felt for det traditionelle miljø og over høretelefoner i VR-miljøet. I begge træningsforhold vil materialer fra Session Two af LMRVT blive brugt - den første session, hvor egentlig stemmetræning begynder i det pågældende program. For den traditionelle klinikrumstilstand, efter 30 minutters LMRVT-træning ved brug af Session Two-materialer, vil deltagerne blive guidet til at gentage de samme øvelser, i rækkefølge, fra Session Two, med instruktioner om at producere stemme, som om de taler til en person placeret på 2 meter fra taleren, repræsenteret ved en fysisk mannequin, i 5 minutter. Derefter vil deltagerne gentage de samme øvelser igen, som om de taler til mannequinen placeret på 4 meter i 5 minutter og til sidst på 6 meter i 5 minutter. Efter træning på hver af disse distancer vil deltagerne gentage baseline-ytringer, som vil blive optaget til indsamling af lyddata. For VR-miljøtilstanden vil deltagerne modtage den samme LMRVT-træning som for det traditionelle lokale, kun i et VR-klasseværelse (lokale 1; tabel 1) som repræsentativ for virkelige klasseværelsesforhold, skabt til SA1 og SA2, men ikke afhængig af resultater for disse mål. Deltagerne vil modtage træning i LMRVT Session 2-øvelser i 30 minutter, efterfulgt af gentagelse af de samme øvelser fra Session 2 med instruktioner til at producere relevante ytringer, der taler til lytterne i VR-miljøet placeret 2 meter, 4 meter og 6 meter fra højttaler i 5 minutter på hver afstand. Hvad angår det traditionelle miljø, vil lydoptagelser blive lavet ved hjælp af baseline-ytringer efter træning på hver distance. Efter at al træning er gennemført, vil deltagere i begge forhold blive guidet til et standard klasseværelse i STAR-indstillingen (Rum 513; en volumen/gulvplan på ~2440 m3/69m2). I den indstilling vil deltagerne blive bedt om at gentage baseline-taleopgaver ved at tale til levende siddende lyttere placeret på 4 meter for en fastholdelsestest og en ny afstand - 9 meter - og optagelser vil blive foretaget som tidligere. Deltagerne vil derefter blive undskyldt. Samlet varighed er omkring 90 minutter. Korte træningssessioner i størrelsesordenen omkring 30 minutter har vist sig at give skift i stemmeproduktionen,94 i overensstemmelse med PI's omfattende kliniske erfaring. Vi forventer således at finde sådanne skift i nærværende serie, som forbereder grundlaget for mere udvidede longitudinelle undersøgelser, der er passende for en planlagt R01, der vokser fra det nuværende arbejde.

4.0 Udstyr: En digital lydarbejdsstation (Reaper Version 6.36, Rosendale, NY, USA) og en hovedmonteret mikrofon (AKG C 520, Harman) vil blive brugt til at opfange stemmesignaler for alle SA'er. Lydoptagelser vil blive samplet ved 44,1 kHz. Mikrofon-til-mund-afstanden vil være 5 cm med mikrofonen placeret i en vinkel på 450 grader fra deltagerens mund.72 Mikrofonen vil blive forbundet til et lydinterface (Babyface Pro FS 24-Channel USB 2.0, Heimhausen, Tyskland), og den kombinerede input/output latency vil være mindre end 5 ms, hvilket er værdien under området for et mærkbart ekko (16 og 26 ms).73 Interfacet vil blive forbundet til en computer, der kører Reaper audio workstation for at skabe lydgengivelse. Virtual reality-briller (Oculus Rift S) vil blive brugt til at producere visuel information (rum og 3D-avatar-lyttere). Billeder af rumvolumen og lyttere vil blive leveret ved hjælp af Ovation-software (https://www.ovationvr.com/). Softwaren giver mulighed for at vælge flere klasseværelsesmiljøer, der kopierer eksempler fra den virkelige verden og taler til hundredvis af digitalt genererede 3D-publikum (rigtige mennesker), som reagerer på højttaleren ved at smile, klappe eller bevæge sig. En nylig undersøgelse har rapporteret om effektiviteten af ​​denne software til at skabe visuelle scenarier i den virkelige verden.92 Lydmikrofonen vil blive kalibreret efter offentliggjorte procedurer.93 VR-briller vil være optimalt placeret for hver deltager individuelt. Alle ytringer vil blive gemt som wav-filer i en krypteret mappe.

5.0 Rumakustikmålinger og lydgengivelse: Rum svarende til dem, der er valgt i Ovation-softwaren (et klasseværelse, en forelæsningssal og et skoleauditorium) vil blive udvalgt på University of Illinois Urbana-Champaign campus (af Co-I Bottalico). Værelserne vil være akustisk karakteriseret efter ISO 3382.

I den position, hvor en højttaler typisk er placeret i rummene, vil Oral-Binaural Impulse Responses blive målt med en HAT. Specifikt vil oral-binaurale impulsresponser (OBRIR'er) blive opnået ved hjælp af foldningsmetoden efter offentliggjorte metoder.91 Specifikt vil et eksponentielt sweep-signal, der udsendes via munden på en hoved- og torso-simulator (HATS, GRAS 45BB KEMAR), blive optaget af HATS' ører. Konvolutionen mellem de registrerede sweep (ved HATS' ører) og det omvendte af det udsendte sweep (ved HATS' mund) vil generere OBRIR'erne. OBRIR'erne vil blive brugt til akustisk at genskabe rummene under hensyntagen til højttalerens øre-mund vej.

Real-time lydgengivelse af emnets stemme i det virtuelle rum akustik vil blive opnået ved brug af real-time convolution plug-ins, såsom Analglyph og RoomZ udviklet af vores konsulent Katz ved Sorbonne University.74 Konvolutionsmotoren vil anvende målte rumimpulsresponser. Den virtuelle akustiske gengivelse vil blive afspillet til deltageren over åbne-bag-hovedtelefoner (HD 660S, Sennheiser, Wedemark, Tyskland), hvilket begrænser farve fra at høre ens egen stemme.

6.0 Mål: For SA1 vil selvrapporteringsopfattelsesmålinger blive afledt af tre separate spørgsmål om stemmestyrke, stemmeanstrengelse og stemmekomfort ved hjælp af en visuel analog skala (VAS; tabel 2). Efter hver undersøgelsestilstand vil VR-briller blive fjernet, og deltagerne vil fuldføre VAS ved hjælp af HIPAA-kompatible REDCap. REDCap-opfattelsesspørgeskemaet vil blive vist på en computerskærm. Deltagerne vil svare på hvert opfattelsesspørgsmål sekventielt ved at flytte en skyder på en skala fra 0 (slet ikke) til 100 (ekstremt). Hvert svar vil blive fanget numerisk i REDCap-databasen. Udfyldelse af spørgeskemaet vil tage cirka to minutter, hvilket vil give en hvileperiode efter den foregående undersøgelsestilstand og hjælpe med at minimere potentiel vokal træthed. For SA2 og SA3 vil instrumenterede stemmemål inkludere vokalt lydtrykniveau-SPL og Spectral Moments (se 7.0).

7.0 Dataudtræk og analyse: Udtræk af taleparametre vil blive udført med Matlab R2021b (MathWorks, Natick, MA, USA) og Praat (version 6.2.14). For hver af optagelserne opnås en tidshistorie på SPL90 og grundfrekvens, f0, med et tidstrin på 0,05 s. f0 vil blive estimeret med en akustisk periodicitetsdetektionsalgoritme på basis af en nøjagtig autokorrelationsmetode. Denne metode er mere nøjagtig, støjbestandig og robust end andre metoder baseret på ceptrum eller kamme eller de originale autokorrelationsmetoder. For de to tidshistorier vil statistiske momenter blive beregnet (spektralt middelværdi, standardafvigelse, skævhed og kurtose). Spektralmomenternes evne til at skelne mellem forskellige grader af vokal indsats er tidligere blevet rapporteret.76 Disse målinger vil kvantitativt vurdere centrale spektrale bidrag, der kan være forbundet med potentielle ændringer i vokal kvalitet, i forhold til vokal indsats og komfort. Men perceptuelle målinger af stemmekvalitet vil ikke blive lavet i denne serie.

8.0 Statistiske analyser: For alle SA'er vil Linear Mixed-Effects (LME) modeller (Matlab R2021b) være udstyret med begrænset maksimal sandsynlighed (REML). De afhængige og uafhængige variabler for disse modeller er anført i SA-afsnittet. Deltager-id vil blive brugt som et tilfældigt effektudtryk. Her refererer den tilfældige effekt af "Deltager ID" til den delvise sammenlægning af observationer med "Deltager ID", hvor hældningen og skæringen af ​​hvert deltager ID er tilfældig. Modeller vil blive udvalgt baseret på Akaike informationskriteriet og resultaterne af sandsynlighedsforholdstest. Tukeys post-hoc parvise sammenligninger vil blive udført for at undersøge forskellene mellem alle niveauer af de faste faktorer af interesse, når de er på mere end 2 niveauer (i dette tilfælde både lydmiljøet og det visuelle miljø). Disse er parvise z-test, hvor z-statistikken repræsenterer forskellen mellem en observeret statistik og dens hypotesepopulationsparameter i enheder af standardafvigelsen. P-værdierne for disse tests vil blive justeret ved hjælp af standard enkelttrinsmetoden. LME-outputtet vil inkludere estimaterne af de faste effektkoefficienter, standardfejlen forbundet med estimatet, frihedsgrader (df), teststatistikken (t) og p-værdien. Satterthwaite-metoden vil blive brugt til at tilnærme frihedsgrader og beregne p-værdier.