Influencia de la realidad virtual en la percepción y producción de voz

Este proyecto aborda tres Objetivos Específicos. Los Objetivos Específicos 1 y 2 establecen muchos de los parámetros para el ensayo clínico, que se abordan en el Objetivo Específico 3. Los detalles del proyecto en su conjunto, incluido el ensayo clínico, son los siguientes, copiados y pegados de la propuesta de subvención.

3.0 ENFOQUE DE LA INVESTIGACIÓN El objetivo general es investigar los efectos de la información auditiva, visual y audiovisual sobre la percepción y producción de la propia voz, utilizando la RV como herramienta de investigación, y proporcionar datos preliminares sobre la utilidad potencial de la RV en la voz. entorno de entrenamiento. Los detalles sobre los objetivos específicos se proporcionan en la página correspondiente.

3.1 Participantes: Para SA1 y SA2, se reclutarán 60 docentes vocalmente sanos entre las edades de 24 y 50 años (ver 3.2). En el extremo inferior, este rango de edad representa la edad más temprana a la que los docentes podrían iniciar sus carreras profesionales docentes, y en el extremo superior, representa la edad promedio de inicio de la menopausia para las mujeres, y deseamos limitar los cambios hormonales y otros relacionados con la edad. influencias en los datos. Todos los participantes participarán en SA1 y SA2, que utilizan los mismos procedimientos de recopilación de datos simultáneos con diferentes análisis para medidas de percepción (SA1) y medidas de producción (SA2). Para SA3, que es exploratorio, se reclutarán 10 docentes saludables adicionales con las mismas características. Para todos los SA, los criterios de inclusión y exclusión son: Inclusión: Por autoinforme: (1) maestro de aula K-12 con al menos dos años de experiencia docente (SA1 y SA2) o maestro de aula de escuela primaria (SA3), entre 24 y 50 años ; (2) Sin antecedentes de trastorno de la voz que dure más de dos semanas, y puntuación del índice de discapacidad de la voz -10 (VHI-10)63 < 10; (3) no fumador de por vida; (4) Sin discapacidad auditiva o visual no corregida; Por documentación escrita: (5) Prueba de vacunación completa contra el COVID-19; Por evaluación clínica: (6) Voz normal en los días de participación, según lo evaluado por un SLP con licencia especializado en voz basado en una puntuación de gravedad general de la Evaluación perceptiva auditiva de consenso de la voz (CAPE-V) < 10.65 Exclusión: Por autoinforme :(7) Antecedentes de patología de las cuerdas vocales u otra patología que afecte la voz; (8) cualquier condición aguda que pueda afectar la producción de la voz, como tos, congestión nasal o temperatura superior a 98.6o F (37.0o C). Tenga en cuenta que en esta etapa solo se evalúa a los maestros vocalmente sanos, antes de introducir las complejidades asociadas con los trastornos de la voz. Esas complejidades se abordarán en un trabajo de traducción posterior que se basa en la presente serie. Cabe señalar que, en última instancia, el programa de investigación es relevante para los docentes con problemas de voz, pero también para el entorno laboral de los docentes actualmente sanos.

3.2 Análisis de potencia: Los análisis de potencia asumieron un tamaño de efecto medio de d = 0,4, bilateral, para las pruebas de todas las variables dependientes en SA1 y SA2. Los resultados sugirieron que un N=51 será suficiente para detectar hallazgos para todas las variables con un nivel de significación de α = 0,05 y una potencia de 0,8. Teniendo en cuenta la posible deserción, se reclutarán 60 participantes para los objetivos 1 y 2. Nuestro coinvestigador Bottalico y nuestros propios datos preliminares más recientes han demostrado que este número es suficiente para detectar efectos significativos similares a los investigados en la presente serie. (p. ej., diferencias en las calificaciones perceptuales de esfuerzo y comodidad vocales, y también SPL y media f0; (Bottalico, 2017; Bottalico et al., 2016; Daşdöğen et al., datos no publicados). Para SA3, que es exploratorio, se reclutarán un total de 10 participantes para obtener datos preliminares para una serie clínica posterior.

3.3 Procedimientos 3.3.1 SA1 y SA2: Se reclutarán sesenta maestros de K-12 a través de folletos publicados en la comunidad y en las redes sociales, y a través del contacto directo con las escuelas públicas de Delaware, Nueva Jersey, Pensilvania y Maryland, todas las cuales pueden estar muy cerca del sitio de estudio en la Universidad de Delaware. Las personas que se comuniquen con el IP con interés en participar recibirán una descripción general del estudio por teléfono o conexión remota segura y, si están de acuerdo, darán su consentimiento informado. Luego del consentimiento, se guiará a los participantes a un cuestionario REDCap de detección en línea utilizando un servidor compatible con HIPAA para abordar todos los criterios de inclusión y exclusión, excepto la evaluación clínica auditiva-perceptiva de la voz (CAPE-V). A los participantes calificados se les programará una cita en el laboratorio de voz del campus STAR de la Universidad de Delaware. Al comienzo de la cita, el médico evaluará la voz del participante para confirmar una calidad de voz normal utilizando el CAPE-V. Los participantes que superen este paso final de evaluación (puntuación general de gravedad de CAPE-V < 10) procederán a los procedimientos experimentales. Otros serán excusados.

Para los procedimientos experimentales, primero, los participantes serán capacitados en las tareas del habla que se utilizarán durante el estudio: presentarse en un salón de clases durante 15 segundos, dar un tutorial de dos minutos relacionado con su experiencia docente, sostener la vocal /a/ para 3 segundos repetidos tres veces, y produciendo la frase CAPE-V, "Hace un año estuvimos fuera" repetida tres veces. Luego, los participantes recibirán instrucciones para el cuestionario de autoinforme que refleja el volumen vocal percibido, el esfuerzo vocal y la comodidad vocal para los estímulos del habla como un conjunto (ver 6.0). Tras la entrega de estas instrucciones, se colocará la instrumentación, incluidos los auriculares con micrófono, los auriculares y las gafas de realidad virtual (ver 4.0). Luego, los participantes realizarán las tareas experimentales de oratoria en cada una de las 15 condiciones ordenadas aleatoriamente con y sin ruido de fondo que imitan virtualmente las propiedades auditivas y visuales de las salas del mundo real, que varían desde salas de conferencias pequeñas a grandes, con acústica seca a altamente reverberante y con diferentes tipos de altavoces. distancias al oyente.

Se prescribirá la acústica de la sala para caracterizar y controlar las condiciones acústicamente variables en los entornos de realidad virtual (ISO 3382, ver 5.0). Las mediciones OBRIR se obtendrán en un aula, una sala de conferencias y un auditorio escolar en el campus de Urbana-Champaign de la Universidad de Illinois, donde las dimensiones son similares a las de las aulas de realidad virtual (ver 5.0). El software Ovation (Ovation VRSpeaking, LLC, NJ, EE. UU.) se utilizará para ofrecer salas de realidad virtual realistas y oyentes en 3D (ver 4.0). Las tareas experimentales incluirán una serie de expresiones de voz solicitadas como para la condición de entrenamiento, (i) sin retroalimentación externa de audio o visual o ruido de fondo (línea de base experimental), (ii) en cada condición auditiva sola, (iii) en cada condición visual solo, y (iv) en cada combinación de condiciones auditivas y visuales. Todas las condiciones ii-iv se producirán con y sin ruido de fondo, como se describe en breve. Para las condiciones de solo audio, los participantes usarán una máscara para bloquear la información visual. En esas condiciones, para ayudar con la intención comunicativa, los participantes escucharán aplausos combinados con respuestas acústicas de la sala antes de iniciar cada serie de discursos, lo que proporcionará una pista audioespacial sobre la presencia de la audiencia, aproximadamente qué tan concurrido está el entorno y qué tan lleno está el ambiente. los oyentes lejanos están en el entorno. Para mejorar el compromiso de los participantes con el entorno, antes de que hablen, el examinador les pedirá que calculen el tamaño de la audiencia y la distancia entre el orador y el oyente. Para todas las condiciones visuales, los participantes verán las salas visuales respectivas y los oyentes sentados que reaccionarán ante el orador de manera realista (por ejemplo, moviéndose mientras están sentados, rascándose la cabeza, etc.). Para promover aún más la participación de los participantes, el examinador le preguntará a cada participante aproximadamente cuántas personas hay en el entorno y qué tan lejos están. En todas las condiciones, se pedirá a los participantes que "hablen para que todos puedan entenderlo". Como se señaló, todas las condiciones se llevarán a cabo con y sin ruido de fondo durante el discurso de los participantes. El nivel de ruido corresponderá al nivel representativo de un entorno de aula típico (promedio de 54 dB).66 Después de que los participantes hayan producido declaraciones de voz en cada condición, se quitarán las gafas de realidad virtual o la máscara para los ojos y se les pedirá que completen el cuestionario sobre el volumen autoinformado, el esfuerzo vocal y la comodidad vocal para las declaraciones anteriores. El cuestionario se mostrará en una pantalla de computadora que permite respuestas digitales en escalas VAS (ver 6.0). Luego, los participantes pasarán a la siguiente condición de RV y así sucesivamente, hasta que se haya completado la recopilación de datos para todas las condiciones, concluyendo así la sesión. Se espera que la duración total de la sesión sea de unos 120 minutos.

3.3.2 SA3: Los participantes serán 10 docentes de aula. Después de cumplir con los criterios de inclusión y exclusión, con la excepción de la evaluación auditiva clínica de la voz, los participantes que califiquen se presentarán al laboratorio de voz de STAR para una evaluación de la voz como para SA1 y SA2. A los participantes que pasen la prueba de voz se les equipará con la instrumentación pertinente (3.3.1; 4.0) y producirá las mismas cadenas de pronunciación que para SA1 y SA2, con una distancia entre el hablante y el objetivo de 4 m, especificada por un maniquí físico. Luego, los participantes serán asignados aleatoriamente a una de dos condiciones de capacitación: sala clínica tradicional o entorno de realidad virtual. En sus respectivas condiciones, los participantes recibirán entrenamiento en un patrón de voz terapéutico que también tiene valor para hablantes sanos, "voz resonante".68-71 La capacitación estará a cargo de un patólogo del habla y el lenguaje con al menos dos años de experiencia en trastornos de la voz y que haya completado una capacitación estandarizada en Terapia de voz resonante Lessac-Madsen (LMRVT).26 A lo largo del entrenamiento en ambos entornos, el ruido de fondo se presentará como para SA1 y SA2, en campo libre para el entorno tradicional y con auriculares en el entorno VR. En ambas condiciones de capacitación, se utilizarán los materiales de la Sesión Dos de LMRVT, la primera sesión en la que comienza la capacitación real de la voz en ese programa. Para la condición de sala de clínica tradicional, después de 30 minutos de capacitación LMRVT utilizando los materiales de la Sesión Dos, se guiará a los participantes para que repitan los mismos ejercicios, en orden, de la Sesión Dos, con instrucciones para producir la voz como si hablaran con una persona ubicada a 2 metros. del locutor, representado por un maniquí físico, durante 5 minutos. Luego, los participantes volverán a repetir los mismos ejercicios, como si hablaran con el maniquí colocado a 4 metros durante 5 minutos y, finalmente, a 6 metros durante 5 minutos. Después del entrenamiento en cada una de estas distancias, los participantes repetirán las declaraciones de referencia que se grabarán para la recopilación de datos de audio. Para la condición del entorno de RV, los participantes recibirán la misma capacitación LMRVT que para el salón tradicional, solo en un Salón de RV (Salón 1; Tabla 1) como representante de las condiciones del salón de clases de la vida real, creado para SA1 y SA2 pero que no depende de los resultados. para esos Objetivos. Los participantes recibirán capacitación en los ejercicios de la Sesión 2 de LMRVT durante 30 minutos, seguidos de la repetición de los mismos ejercicios de la Sesión Dos con instrucciones para producir expresiones relevantes hablando a los oyentes en el entorno de RV ubicados a 2 metros, 4 metros y 6 metros del altavoz durante 5 minutos en cada distancia. En cuanto al entorno tradicional, las grabaciones de audio se realizarán utilizando expresiones de referencia después del entrenamiento en cada distancia. Una vez completada toda la capacitación, los participantes en ambas condiciones serán guiados a un salón de clases estándar en el entorno STAR (Salón 513; un volumen/plano de piso de ~2440 m3/69m2). En ese entorno, se les pedirá a los participantes que repitan las tareas de habla de referencia hablando con oyentes sentados en vivo ubicados a 4 metros para una prueba de retención y una distancia novedosa (9 metros) y se realizarán grabaciones como antes. Los participantes serán entonces excusados. La duración total es de unos 90 minutos. Se ha demostrado que las sesiones breves de capacitación del orden de unos 30 minutos producen cambios en la producción de la voz,94 en consonancia con la amplia experiencia clínica del IP. Por lo tanto, esperamos encontrar tales cambios en la presente serie, que sienta las bases para estudios longitudinales más extensos apropiados para un R01 planificado que se desarrolle a partir del presente trabajo.

Equipo 4.0: Se utilizará una estación de trabajo de audio digital (Reaper Version 6.36, Rosendale, NY, EE. UU.) y un micrófono montado en la cabeza (AKG C 520, Harman) para capturar señales de voz para todos los SA. Las grabaciones de audio se muestrearán a 44,1 kHz. La distancia entre el micrófono y la boca será de 5 cm con el micrófono colocado en un ángulo de 450 con respecto a la boca del participante.72 El micrófono se conectará a una interfaz de audio (Babyface Pro FS 24-Channel USB 2.0, Heimhausen, Alemania) y la latencia combinada de entrada/salida será inferior a 5 ms, que es el valor por debajo del rango de un eco perceptible (16 y 26 ms).73 La interfaz se conectará a una computadora que ejecute la estación de trabajo de audio Reaper para crear la reproducción de audio. Se utilizarán gafas de realidad virtual (Oculus Rift S) para producir información visual (habitaciones y oyentes de avatares 3D). Las imágenes del volumen de la sala y los oyentes se proporcionarán mediante el software Ovation (https://www.ovationvr.com/). El software permite la selección de múltiples entornos de aula que replican ejemplos del mundo real y hablan a cientos de audiencias 3D generadas digitalmente (personas reales) que responden al orador sonriendo, aplaudiendo o moviéndose. Un estudio reciente ha informado sobre la eficacia de este software para crear escenarios visuales del mundo real.92 El micrófono de audio se calibrará siguiendo los procedimientos publicados.93 Las gafas de realidad virtual se colocarán de forma óptima para cada participante de forma individual. Todas las declaraciones se guardarán como archivos wav en una carpeta cifrada.

5.0 Mediciones de acústica de salas y reproducción de audio: Se seleccionarán salas de tamaño similar a las seleccionadas en el software Ovation (un salón de clases, una sala de conferencias y un auditorio escolar) dentro del campus Urbana-Champaign de la Universidad de Illinois (por el Co-I Botánico). Las salas se caracterizarán acústicamente siguiendo la norma ISO 3382.

En la posición en la que normalmente se encuentra un altavoz en las habitaciones, las respuestas de impulso oral-binaural se medirán con un HATS. En concreto, las respuestas de impulso orales-binaurales (OBRIR) se obtendrán utilizando el método de convolución siguiendo los métodos publicados91. En concreto, los oídos de HATS registrarán una señal de barrido exponencial emitida a través de la boca de un simulador de cabeza y torso (HATS, GRAS 45BB KEMAR). La convolución entre los barridos registrados (en los oídos de los HATS) y el inverso del barrido emitido (por la boca de los HATS) generará los OBRIR. Los OBRIR se utilizarán para recrear acústicamente las salas teniendo en cuenta la trayectoria oídos-boca del altavoz.

La reproducción de audio en tiempo real de la voz del sujeto en la acústica de la sala virtual se logrará mediante el uso de complementos de convolución en tiempo real, como Analglyph y RoomZ desarrollados por nuestro consultor Katz en la Universidad de Sorbonne.74 El motor de convolución empleará respuestas de impulso de sala medidas. La representación acústica virtual se reproducirá al participante a través de auriculares abiertos (HD 660S, Sennheiser, Wedemark, Alemania), limitando la coloración de escuchar la propia voz.

6.0 Medidas: Para SA1, las medidas de percepción del autoinforme se derivarán de tres preguntas separadas sobre el volumen vocal, el esfuerzo vocal y la comodidad vocal, utilizando una escala analógica visual (VAS; Tabla 2). Después de cada condición del estudio, se quitarán las gafas de realidad virtual y los participantes completarán el VAS utilizando REDCap compatible con HIPAA. El cuestionario de percepción de REDCap se mostrará en una pantalla de computadora. Los participantes responderán a cada pregunta de percepción secuencialmente moviendo un control deslizante en una escala de 0 (nada) a 100 (extremadamente). Cada respuesta será capturada numéricamente en la base de datos de REDCap. Completar el cuestionario tomará aproximadamente dos minutos, lo que proporcionará un período de descanso después de la condición de estudio anterior y ayudará a minimizar la fatiga vocal potencial. Para SA2 y SA3, las medidas de voz instrumentadas incluirán el nivel de presión de sonido vocal-SPL y los momentos espectrales (ver 7.0).

7.0 Extracción y análisis de datos: La extracción de parámetros de voz se realizará con Matlab R2021b (MathWorks, Natick, MA, Estados Unidos) y Praat (versión 6.2.14). Para cada uno de los registros se obtendrá una historia temporal de SPL90 y frecuencia fundamental, f0, con un paso de tiempo de 0,05 s. El f0 se estimará con un algoritmo de detección de periodicidad acústica sobre la base de un método de autocorrelación preciso. Este método es más preciso, resistente al ruido y robusto que otros métodos basados ​​en el cepstrum o los peines, o los métodos de autocorrelación originales. Para las dos historias temporales se calcularán los momentos estadísticos (media espectral, desviación estándar, asimetría y curtosis). La capacidad de los momentos espectrales para distinguir entre diferentes grados de esfuerzo vocal se ha informado anteriormente.76 Estas medidas evaluarán cuantitativamente las contribuciones espectrales clave que pueden estar asociadas con posibles cambios en la calidad vocal, en relación con el esfuerzo y la comodidad vocales. Sin embargo, en esta serie no se realizarán medidas perceptivas de la calidad de la voz.

8.0 Análisis estadísticos: Para todas las SA, los modelos Linear Mixed-Effects (LME) (Matlab R2021b) se ajustarán por máxima verosimilitud restringida (REML). Las variables dependientes e independientes de estos modelos se enumeran en la sección SA. La identificación del participante se utilizará como términos de efectos aleatorios. Aquí, el efecto aleatorio de "ID de participante" se refiere a la combinación parcial de observaciones por "ID de participante", siendo aleatorias la pendiente y la intersección de cada ID de participante. Los modelos se seleccionarán en base al criterio de información de Akaike y los resultados de las pruebas de razón de verosimilitud. Se realizarán comparaciones por pares post-hoc de Tukey para examinar las diferencias entre todos los niveles de los factores fijos de interés cuando sean más de 2 niveles (en este caso, tanto el entorno de audio como el visual). Estas son pruebas z por pares, donde la estadística z representa la diferencia entre una estadística observada y su parámetro de población hipotético en unidades de la desviación estándar. Los valores p para estas pruebas se ajustarán utilizando el método predeterminado de un solo paso. La salida LME incluirá las estimaciones de los coeficientes de efectos fijos, el error estándar asociado con la estimación, los grados de libertad (df), la estadística de prueba (t) y el valor p. Se utilizará el método de Satterthwaite para aproximar los grados de libertad y calcular los valores de p.