Oldenburg Hearing Health Record — 581 名 18-86 岁成人的纯音测听·响度缩放·语句测听·认知量表多模态听力学队列

INFOBOX — OHHR 一屏速览

维度	内容
本质	公开可复用的听力健康多模态队列（听力学 + 认知 + 心理社会），不是影像数据集
团队	奥尔登堡大学心理学系 + 医学物理与声学系 + Hearing4All 卓越集群 + Hörzentrum Oldenburg（HZO）
论文	Jafri S, Berg D, Buhl M, …, Kollmeier B. Sci Data 12, 1546 (2025)；doi:10.1038/s41597-025-05884-y
规模	581 人，18-86 岁；女 255（43.9%）；均值 67.31 岁（SD 11.93）；中位 70.0 岁
采集	2013-2015，HZO 实验室 + 邮寄居家问卷；人均 1 小时测试会话
听力学	纯音测听（气导 125-8000 Hz / 骨导 500-4000 Hz）+ ACALOS（1500、4000 Hz）+ GÖSA + DTT
认知	DemTect（痴呆筛查）+ WST（词汇量/晶体智力）
问卷	11 页居家问卷（8 大域）+ SF-12 + 技术准备度 12 项 + Scheuch-Winkler 社会经济指数
格式	JSON 表 + JSON schema + 6 个 taxonomy 映射 + MATLAB/Python/Excel/SQL 脚本
许可	CC BY 4.0（Zenodo Hearing4all 社区）；GDPR 合规，k=4 匿名
入口	首版 zenodo.14177902；最新 v1.5.0.0 zenodo.21030397
库内互链	sex-differences-hearing-loss(1008)、NHANES(99)、Bridge2AI-Voice(66)、NACC(335)

OHHR（Oldenburg Hearing Health Record，奥尔登堡听力健康档案）回答的是听力学界一个长期存在的尴尬问题：我们测量听力的手段极其丰富——纯音听阈、响度感受、噪声下言语识别、认知筛查、自评问卷——但公开数据往往是"一种测量配一批人"，很难研究"同一个人在五类测量上如何相互印证"。OHHR 把五类测量放在同一批 581 名 18-86 岁成人身上，逐人逐项测完，脱敏后整包开放。它因此成为计算听力学（computational audiology）领域少有的"横向可拆、纵向可串"的公共底座。

导语读法三则：

1. 只想判断要不要下载：读 INFOBOX 与本段即可——CC BY 4.0、JSON、10 MB 量级、无需申请，但必须先知道"听力图与响度表要 join"（§3.2）。
2. 要拿它做建模：直奔 §4（测量协议）与 §5（数据结构），把"哪一列是响应、哪一列是设备参数"分清楚，再谈特征工程。
3. 关心它能不能代表人群：直奔 §7 技术验证——它不能。这个队列有 76.1% 的自报听障率，是"过度抽样听障者的临床志愿者队列"，不是流行病学抽样。

§0 导读：这个数据集解决什么问题

0.1 听力健康的"多测量碎片化"困局

临床听力学有一套成熟但彼此割裂的工具箱。纯音测听（pure-tone audiometry, PTA）给出频率-强度平面上的阈值曲线，是诊断听力损失的黄金标准；但它只描述"能不能听到"，不描述"听到之后觉得多响"。阈上测量——分类响度缩放（categorical loudness scaling, CLS）——回答的是后者：同一条听力曲线可能对应完全不同的响度增长（loudness recruitment，重振），而重振直接决定助听器的压缩策略。再往上，噪声下言语识别（speech reception threshold, SRT）刻画的是"真实场景能不能听懂"，它与纯音阈值只中度相关，个体差异大量来自认知与中枢因素。最外层，自评问卷与认知量表刻画的是"主观困扰"与"信息处理能力"。

这四层测量在文献里常被分别研究，原因是收集成本：一次完整的听力学+认知+问卷评估接近一小时，还要专业隔声室与校准设备。公开数据集因此大多只覆盖其中一层。

0.2 OHHR 的三层回答

第一层：把四层测量装进同一个人。 581 名受试者每人都完成纯音测听（含气导与骨导）、ACALOS、GÖSA、DTT、DemTect、WST、SF-12 与 11 页居家问卷。这个"同一受试者 × 全测量矩阵"的结构，使得"纯音阈值能否预测言语识别"这类问题第一次可以在公开数据上做个体级（而非组均值级）分析。

第二层：把测量协议写清楚到可复现。 论文不仅给出变量名，还给出设备型号（Siemens Unity II、Sennheiser HDA200、RadioEar B71）、校准标准（ANSI S3.6-2010、ISO 389-8-2004）、刺激参数（1/3 倍频程噪声、2 s、11 类响应）、自适应规则（GÖSA 精度 ±1 dB）。这些细节决定了"同名列在不同数据集之间能否比较"。

第三层：把许可与匿名化做到可分发。 CC BY 4.0 意味着可以商用、可以再分发、只需署名；GDPR 合规与 k=4 匿名化意味着欧陆机构可以合规使用。这在听力学数据里并不常见——很多同类数据要么是"申请制"，要么是"仅限研究用途"。

0.3 一句话定位

OHHR 是听力学界的"多模态基础队列"：它不是最大的听力数据集，但是把"阈上感受 + 噪声下言语 + 认知 + 心理社会"这四层测量在同一批人身上打通、并以 CC BY 4.0 全量开放的第一批资源之一。

0.4 与库内既有听力条目的关系（消歧前置说明）

本库此前已有的听力相关条目只有一条：sex-differences-hearing-loss（rid 1008）——韩国大邱法蒂玛医院 4,084 名健康筛查受检者的双耳六频段纯音听阈，用于建立年龄相关听力损失的性别与年龄参考值。它与 OHHR 的三点差异必须说清：

维度	sex-differences-hearing-loss (1008)	OHHR（本条）
国家/人群	韩国大邱，健康筛查受检者	德国奥尔登堡，听障过度抽样的志愿者队列
测量层数	仅纯音听阈（六频段）	四层：纯音 + 响度 + 言语 + 认知/问卷
主要用途	建立人群参考值（流行病学）	个体级多测量关联与听觉表型建模
样本量	4,084	581

两者不是同一资源的版本，也不是同一团队的续作，不得合并。库内还有若干"生理信号/语音"条目（TUH EEG、Sleep-EDF、Bridge2AI-Voice 等），它们与听力健康有方法学交集但测量对象不同，详见 §9。

§1 数据集速览：十二问十二答

Q1：OHHR 是什么的缩写，有几种叫法？
Oldenburg Hearing Health Record。注意历史包袱：Zenodo 早期版本（DOI 14177903）标题写的是 Oldenburg Hearing Health Repository，论文与后续版本统一为 Record。检索时两个词都要试（坑 1）。

Q2：这批人是谁？
Hörzentrum Oldenburg（HZO）志愿者库中经完整性筛查后留下的 581 人。HZO 是奥尔登堡大学的非营利关联机构，与 Hearing4All 卓越集群合作，长期维护约 2,000 名本地志愿者。招募起点是"18 岁以上"，最终年龄跨度 18-86 岁。

Q3：为什么平均年龄 67 岁这么高？
因为队列过度抽样了听力损失者（论文原话：oversampling a wide range of hearing impairments）。这不是设计缺陷而是设计目标——研究助听器与康复需要听障样本，而一般人群队列里大多数是正常听力。代价是不能用来估计患病率（§7.2）。

Q4：一共测了多少项？
八类：纯音测听、ACALOS、GÖSA、DTT、DemTect、WST、SF-12、居家问卷（内含技术准备度量表与人口学/社会经济信息）。外部研究把它归纳为"八项测试、37 个参数"（§7.4 存照）。

Q5：纯音测听测了哪些频率？
气导 125-8000 Hz，骨导 500-4000 Hz，双耳分别测，5 dB 步长。骨导下限不用 125/250 Hz 是因为低频振动阈与气导太接近、隔振不可靠；上限不用 8000 Hz 是因为骨导换能器在高频失真过大。

Q6：ACALOS 是什么，为什么重要？
Adaptive Categorical Loudness Scaling，自适应分类响度缩放。受试者对 1/3 倍频程、2 秒的窄带噪声按 11 类量表（“听不到"到"太响”）判断响度，算法根据上一次回答自适应调整电平，20 个试次即可覆盖完整动态范围。它给出的是阈上的响度函数，是纯音阈值无法提供的维度。

Q7：两项言语测听有什么区别？
GÖSA 是开放式（受试者复述听到的句子，20 句/表，10 套语料），更接近日常交流但受语言能力与教育影响；DTT 是闭集（三个数字组成的词表，按键或口头报告），对语言能力与学习效应更稳健，可移植到电话/在线筛查。两者都在噪声下测 50% 正确率对应的 SRT。

Q8：认知测量测的是什么？
DemTect 是痴呆/轻度认知障碍筛查（5 个子测验，8-10 分钟），WST 是词汇量测验（40 题，识别真词与形似假词），后者反映晶体智力，与年龄相关极弱（r=0.08）而受教育影响大（r=0.60）——因此它同时是"认知基线"和"教育水平的代理变量"。

Q9：数据长什么样？
三个目录：data（核心 JSON 表 + 6 个 taxonomy 映射）、metadata（RTF 列说明 + JSON schema）、tools（MATLAB/Python/Excel/SQL 读取与 join 脚本）。不是 CSV 平表，也不是 BIDS 风格目录。

Q10：许可是什么，要不要申请？
CC BY 4.0，无需申请，直接下载。这是它相对同域数据集的主要优势。

Q11：有没有缺失？
关键测量与问卷基本完整，唯一明确记录的缺失是 SF-12 缺失 13 项（论文技术验证节原文口径，指 13 个条目级缺失）。

Q12：为什么它算 AI-Ready？
四个条件同时满足：机器可读（JSON+schema）、许可清晰（CC BY 4.0）、元数据到列级（RTF + schema + taxonomy）、有官方读取脚本（四语言）。这四条正是 DAIMS 评估的核心维度（附录 B）。

§2 数据构成与队列画像

2.1 队列人口学

指标	数值	说明
总人数	581	完整性筛查后的最终发布样本
年龄范围	18-86 岁	招募下限 18 岁，上限由志愿者库自然决定
均值（SD）	67.31（11.93）岁	明显偏高，源于听障过度抽样
中位数	70.0 岁	中位高于均值→左偏分布，有一批较年轻的极端值
女性	255（43.9%）	男性 326（56.1%）
采集期	2013-2015	单次横断面，非纵向随访
采集地	Hörzentrum Oldenburg（德国下萨克森州）	单一中心

均值 67.31 低于中位 70.0，是一个容易被忽略的信号：分布左尾（18-40 岁）有一批较年轻的受试者把均值拉低，而主体集中在 60-80 岁。做年龄分层分析时，若按四分位切分会得到极不均衡的组容量，建议先看年龄直方图再定分箱。

2.2 听力损失分布（队列的真实底色）

论文技术验证节给出的对照数字最能说明问题：

指标	OHHR	德国健康调查 GHS	倍数
自报听力障碍	76.1%	34.5%	2.2×
双耳听力损失	86.6%	28.5%	3.0×
耳鸣	47%	25.5%	1.8×
双耳助听器使用	41.8%	7.7%	5.4×

按 Röser 四频率分级（以较好耳 PTA4 计）：

分级	占比
正常	0.7%
轻度	1.0%
中度	22.0%
重度	61.1%
极重度	15.1%

这张表是理解 OHHR 全部用途的钥匙：队列主体是重度听损者，正常听力者不足 1%。任何"用 OHHR 训练正常听力基线模型"的想法都会失败；反过来，"用 OHHR 研究重度听损人群的响度重振与助听器适配"则数据极为充足。

2.3 性别与年龄的分层差异

• 性别：男性中有听力障碍者占 84.7%，女性 65.1%——与老年性聋的性别流行病学一致（男性更重）。
• 年龄：<55 岁组有听障者 44.3%，≥75 岁组 >80%。

这两条不是本数据集的独立发现（论文作为样本特征陈述），但对使用者的含义很实际：若做性别对比，需意识到女性的听损比例低约 20 个百分点，直接比较组均值会被"女性组更健康"混杂。

2.4 社会经济地位分布

Scheuch-Winkler 指数（SWI）= 教育 + 职业 + 净收入，取值 3-21，分低/中/高三档。

维度	低	中	高
SWI（n=442）	61	223	158
教育（n=442）	21	279	142

两点说明：

1. n=442 而非 581：SWI 依赖完整的人口学字段，缺失者被排除。做 SES 相关分析时样本量直接减 139，需在方法节声明。
2. 高 SES 偏多：教育"高/大学"142 人对"低"21 人，比例接近 7:1。论文指出这是临床志愿者研究的典型偏斜（优势背景人群参与率更高），并明确写道 OHHR 中未见 GHS 那种"低 SES 听障更重"的梯度——这是样本选择效应，不是真实的流行病学结论（§7.3 展开）。

2.5 数据表结构总览

Zenodo 发布包分三目录：

目录	内容
data/	核心 JSON 数据表（听力图、响度缩放、言语、认知、问卷）+ 6 个 taxonomy 映射文件
metadata/	MethodsDescription.rtf/.pdf（方法详述）+ 各表 JSON schema
tools/	MATLAB / Python / Excel / SQL 四种读取与 join 转换脚本

6 个 taxonomy 文件分别把数值编码翻译为文本：

文件	映射内容
tax_education.json	教育水平
tax_job.json	职业水平
tax_net_income.json	收入水平
tax_school.json	学校层次
tax_tech.json	技术问卷响应（源自居家问卷）
tax_yes_no_unknown.json	是/否/未知

设计意图很清楚：数据表里存编码，映射表里存语义。这样同一套表可以用德语、英语或其他语言重新本地化，而不用改动数据本体。

§3 数据结构与读取路径

3.1 JSON 表 + schema + taxonomy 的三件套

这是 OHHR 与多数"CSV 大平表"数据集最大的工程差异。三个组成部分各司其职：

• JSON 数据表：以受试者标识符为键组织，字段名是稳定的英文短标识（如 pta、cls）。
• JSON schema：定义每个字段的类型、取值范围、必填性，可直接用于 jsonschema 校验。
• taxonomy：把 1/2/3 这类编码翻译成"低/中/高"。

对 AI-Ready 的意义在于：schema 本身就是机器可读的元数据。你不用读论文也能知道某一列是 integer 还是 string、取值范围是多少——这正是 DAIMS 中"元数据质量"一项的加分点。

3.2 关键陷阱：听力图与响度缩放是"链接组件"

论文 Fig.2 用向下箭头明确标注：audiogram（纯音测听表）与 loudness scaling（ACALOS 表）是链接组件（linked components），“使用前必须 join”。

含义有三层：

1. 单独读一张表会得到不完整视图——你拿到的可能是"每个受试者每只耳每个频率一行"的长表，却没有响度函数；或者是"每个受试者每个频率一个响度参数"的宽表，但没有阈值。
2. join 键通常是受试者 ID，但若两张表的粒度不同（一张按"受试者×耳×频率"，另一张按"受试者×耳×频率×试次"），直接 merge 会产生笛卡尔积膨胀——必须先用 tools 里的脚本做规范化。
3. 这也是 tools 目录存在的根本理由：官方给了四种语言的 join 脚本，说明作者自己清楚这不是"下载即用"的数据。

3.3 官方读取骨架（Python）

# 示意骨架：真实字段名以 metadata/ 内 schema 为准
import json, pathlib

root = pathlib.Path("OHHR/data")
with open(root / "audiogram.json", encoding="utf-8") as f:
    audiogram = json.load(f)          # 纯音测听：受试者×耳×频率
with open(root / "loudness_scaling.json", encoding="utf-8") as f:
    cls = json.load(f)                # ACALOS：受试者×耳×频率×试次
with open(root / "tax_education.json", encoding="utf-8") as f:
    tax_edu = json.load(f)            # 编码 -> 文本

# 1) 先把 CLS 试次级聚合成受试者级响度函数参数（斜率/截距）
# 2) 再按 (subject_id, ear, freq) 与 audiogram 做 inner join
# 3) join 前务必检查两表 freq 的单位与命名是否一致（Hz vs kHz）

代码里的第三点提示值得单列成坑：频率单位不一致是跨表 join 最常见的静默失败——1000 与 1 都能 join 上但含义不同，若用 kHz 与 Hz 混写，merge 会得到空表而不报错。

3.4 缺失与完整性

论文明确：关键测量与问卷均完整，唯 SF-12 缺失 13 项。用法建议（论文 Usage Notes 原文口径）：

1. 分析前先检查关注列的完整性；
2. 若发现缺失，推荐插补或剔除，并在方法中说明；
3. 不要默认"完整性筛查后无缺失"——筛查针对的是"是否可发布"，不是"每个字段都填满"。

3.5 版本链与"最新版本"陷阱

Zenodo 上 OHHR 至少存在 6 个 DOI 后缀（14177902、14177903、15727482、16919812、19664499、21030397），构成一条版本链。两个需要注意的点：

• 14177902 是论文引用的首发版，引用文献时用这个；
• 21030397 是 v1.5.0.0（2026-06-29 发布），数据包体积已从首版 5.4 MB 增至 10.8 MB，说明后续版本有实质内容/文档增补。

若你的复现需要与某篇论文严格对齐，应下载该论文写作时对应的版本，而不是 Zenodo 默认的最新版。这是所有带版本链的 Zenodo 数据集的通病（坑 2）。

§4 测量协议详解

4.1 纯音测听（PTA）

项目	规格
设备	Siemens Unity II 听力计
气导换能器	Sennheiser HDA 200 耳机
骨导换能器	RadioEar B71
刺激	正弦波
气导频率	125 Hz - 8000 Hz
骨导频率	500 Hz - 4000 Hz
阈值步长	5 dB
判定规则	低电平两次未听到、高电平两次听到，即接受该阈值为阈值
环境	声学屏蔽测听室
附加	在 500/1000/2000/4000 Hz 测不适响度级（UCL），5 dB 递增直至受试者按键报告不适
单次耗时	约 13 分钟
佩戴状态	不戴助听器（即使为常规使用者）

三处设计细节值得注意：

1. 气导与骨导频率范围不对称不是缺陷：骨导低频受振动阈污染、高频受换能器失真限制，业界惯例就是 500-4000 Hz。做气骨导差（air-bone gap）分析时只在 500-4000 Hz 有数据。
2. PTA4 定义：500、1000、2000、4000 Hz 四个频率气导阈值的算术平均，是 WHO 与多数分级体系的标准口径。它不同于"六频平均（含 3000/6000）“或"三频平均”，跨数据集比较时必须核对。
3. UCL 与 ACALOS 的分工：UCL 给出"不适"的上界锚点，ACALOS 给出整条响度曲线。两者结合才能判断"动态范围被压缩得多厉害"。

4.2 自适应分类响度缩放（ACALOS）

项目	规格
方法	Brand & Hohmann 自适应分类响度缩放
刺激	1/3 倍频程窄带噪声，时长 2 s
呈现	Sennheiser HDA 200
频率	1500 Hz 与 4000 Hz，左右耳分别测
试次	每条件 20 次，伪随机顺序
电平	自适应调整，基于前次响应，覆盖个体完整动态范围
响应量表	11 类，从"听不到"到"太响"
分类单位	0、5、15、25、35、45、50 cu（命名档）+ 10、20、30、40 cu（未命名档）
拟合	Brand & Kollmeier 阶梯法 或 BTUX 拟合法（任选）
重测信度	个体内 SD 4-5 dB
耗时	未单列（含在 1 小时会话内）
佩戴状态	不戴助听器

为什么只测 1500 与 4000 Hz？ 这是成本与信息量的折中：1500 Hz 代表中频（言语能量集中区），4000 Hz 代表高频（老年性聋最早受累区）。测这两个频率就能捕捉"高频陡降型"与"平坦型"响度增长的差异，而全频段 CLS 会让会话时间翻倍。

11 类响应怎么用？ 拟合响度函数时通常取 cu 值作为因变量、dB SPL 作为自变量，用阶梯函数或幂函数拟合，得到斜率（响度增长速度）与截距。斜率对助听器压缩比设置是直接输入——这是 OHHR 对助听器算法研究最有价值的字段（§8.2）。

4.3 哥廷根句子测试（GÖSA）

项目	规格
类型	开放式言语可懂度测试
材料	20 个有意义德语句子（每句 3-7 词），从 10 套日常句库随机取一套
呈现	自由场扬声器，言语整形噪声
环境	隔声室
任务	复述尽量多的词
噪声电平	65 dB SPL（重度听损者提高至 80 dB SPL）
自适应	噪声恒定，调言语电平，求 50% 正确率 SRT
精度	±1 dB
耗时	约 5 分钟
佩戴状态	不戴助听器

4.4 数字三元组测试（DTT）

项目	规格
类型	闭集响应
材料	数字三元组词表
初始 SNR	0 dB，噪声电平恒定
自适应	答对降言语电平、答错升，求 50% 正确率 SRT
噪声电平	65 dB SPL（重度听损者 80 dB SPL）
耗时	约 3 分钟
特点	刺激熟悉、效率高、可在线与多语言、对学习效应/语言能力/教育背景稳健
实施	专家在场、受控实验室

GÖSA 与 DTT 的可比性：两者都输出 dB SNR 单位的 SRT，但不可直接互相换算。GÖSA 是开放式（受词汇与句法影响），DTT 是闭集（10 个数字，认知负荷低）；同一受试者 DTT 的 SRT 通常更优（更低 SNR），差值本身是"语言加工贡献"的代理指标。OHHR 同时提供两者，正好让这种"开放式-闭集差"可以在 581 人上做分布分析。

4.5 认知测量

DemTect（痴呆检测测验）

项目	规格
类型	神经心理学筛查
耗时	8-10 分钟
子测验	词语列表（即时+延迟回忆）、数字转换、语义流畅性（“超市”）、数字广度倒背、延迟回忆
计分	子测验分相加，<60 岁与 ≥60 岁分别做年龄校正
敏感性	轻度 AD 100%，MCI 80%（对照 MMSE 69%）
佩戴状态	助听器使用者佩戴助听器完成

WST（Wortschatztest，词汇量测验）

项目	规格
类型	词语识别（每题 1 真词 + 5 形似假词，共 40 题）
耗时	10 分钟
难度	逐行递增
原始分	正确识别数
信度	分半信度 r=0.95；Cronbach’s α=0.94
与年龄相关	r=0.08（极低）
与教育/职业相关	r=0.60
常模	20-90 岁，N=572，Rasch 等距量表
用途	晶体智力、病前智力估计、痴呆进展追踪

WST 与前四项听力学测量不同，它不要求"最优听力"但要求理解题意，因此论文规定：认知与问卷在需要最佳听力的场景下，助听器使用者戴着助听器做；而纯音、ACALOS、GÖSA、DTT 一律不戴。这个"戴/不戴"的分野是解读数据时必须知道的元信息——它保证了听力学测量的纯净性，也意味着认知分数是在"已被助听器补偿"的条件下取得的。

4.6 居家问卷（Home Questionnaire）

11 页，邮寄纸笔自填，返回后进入实验室会话。八大领域：

1. 听力病史：诊断与病程、安静/噪声下主观听障评分、噪声暴露史、听障原因、助听器使用史与时长、突发性聋史、耳鸣（发生/时长/身心困扰）、IOI-HA 助听器评估 3 项（源自原 7 项国际量表）。
2. 一般健康与生活方式：过去 4 周身心状态对任务的影响、疼痛、情绪、记忆问题、终身及近 12 个月慢性病诊断。
3. SF-12 健康调查：12 题 → PCS（躯体成分）与 MCS（心理成分），转 T 值（M=50，SD=10）。
4. 媒体消费与设备使用：电视/收音机/耳机使用，工作与个人科技使用，过响声音情境，助听器需求与音质，无助听器时提高电视音量的频率，音乐偏好。
5. 技术准备度：12 项，3 个子量表——技术能力、技术接受、技术控制。
6. 人口学与社会经济：年龄、性别、语言状态、家庭结构、教育、职业、家庭净收入；由此计算 Scheuch-Winkler 指数。
7. 耳鸣与助听器细节（嵌于病史域内，单列便于分析）。
8. 开放反馈（问卷末段自由填写，通常不入结构化表）。

问卷在前、实验在后，是一个刻意的顺序设计：受试者在知道"数据将公开"之后再进入测试，知情同意的质量更高（论文明确表述此意图）。

§5 技术验证：论文自证了什么

5.1 标准化与校准

• 测听软件获 CE 标记，符合欧盟医疗器械法规；
• 校准标准：ANSI S3.6-2010 与 ISO 389-8-2004；
• 言语测试与 ACALOS 使用 OMA（Oldenburg Measurement Applications） 研发版；
• 所有测量由受过训练的专业人员执行；
• 每项测试的记录日期均单独保存。

5.2 分布质量

论文报告三点（Fig.3、Fig.4）：

1. 按听力状态分层后，各组内目标变量近似高斯；
2. 听相关测量之间呈强双变量相关；
3. 自评与客观测量之间呈小但一致的正相关。

第 3 点值得强调：自评与客观听阈的相关"小"是稳健的文献结论，不是数据缺陷。人对自身听障的感知受困扰度、应对策略、社会期望影响，纯音阈值只能解释其中一小部分方差。OHHR 同时提供两者，正是为了研究这个"小相关"的来源。

5.3 与人群基准的对照

§2.2 的四行对照表（自报听障 76.1% vs 34.5% 等）是论文最具自我批判精神的部分——作者主动承认队列不具人群代表性，并把差异量化。这种"自曝偏倚"的做法在数据论文中并不普遍，对复用者极有帮助。

5.4 外部研究如何使用（复用口径存照）

已有研究对 OHHR 的复用产生了几种不同的"人数口径"，它们都不是本体规模：

口径	人数	来源	说明
本体	581	论文 / Zenodo 描述	公开发布版本
扩展版	1,127	Xu et al. 2026 听觉表型框架比较	在公开发布版之外合并了更多受试者，均值 67.2 岁（SD 12.0），男 55.7%
校准子集	847	Xu et al. 2025 移动测听校准偏移	全部 PTA4>20 dB HL，均值 70.0 岁（SD 8.7），男 556/女 291

引用 OHHR 规模时必须写 581。 看到 1,127 或 847 的数字，先确认它出自哪篇下游论文、用了什么筛选条件（坑 3）。

§6 获取、许可与合规

6.1 获取路径

项目	内容
首发记录	https://zenodo.org/records/14177902（DOI 10.5281/zenodo.14177902，论文引用版）
旧名记录	https://zenodo.org/records/14177903（标题仍为 Repository）
中间版本	15727482 / 16919812（v1.3.0.0，外部研究常引用）/ 19664499
最新版本	21030397（v1.5.0.0，2026-06-29 发布）
核心文件	data.zip（最新版 10.8 MB；首版 5.4 MB）+ version_history.txt
归口社区	Zenodo “Hearing4all” 社区
申请流程	无，直接下载

6.2 许可

CC BY 4.0（Creative Commons Attribution 4.0 International）。含义：

• 可自由复制、分发、改编，含商业用途；
• 必须署名（给出作者、标题、DOI、许可链接、是否修改）；
• 无"仅限研究用途"限制、无"申请制"、无 embargo。

论文本身在 Scientific Data 上同为开放获取。论文许可与数据许可需分别引用，不要把论文条款套到数据上。

推荐引用式（按 Zenodo 元数据）：

Jafri, S., Berg, D., Buhl, M., Vormann, M., Saak, S., Wagener, K. C.,
Thiel, C., Hildebrandt, A., & Kollmeier, B. (2025).
OHHR – The Oldenburg Hearing Health Record (v1.3.0.0) [Data set]. Zenodo.
https://doi.org/10.5281/zenodo.16919812

若使用最新版，把版本号与 DOI 换成 v1.5.0.0 / 21030397。

6.3 伦理与匿名化

环节	措施
原始研究伦理	奥尔登堡大学当地伦理委员会批准（2013-2015），符合赫尔辛基宣言（未要求预注册）
报酬	12 €/小时
发布前数据保护审批	奥尔登堡大学数据保护与信息安全办公室，申请号 DSM-H4A Open Dataset/20241113-0009
匿名化	全量记录匿名化；k-匿名 k=4，每个受试者的准标识符至少与另外 3 人不可区分；样本数 <4 的类别并入更宽类目
再同意	原始采集中约 40% 受试者曾同意存储联系方式，均已重新联系并取得发表同意；其余 60% 已假名化无法联系，由数据保护官在匿名化完成后批准知情同意豁免

k=4 的实用含义：这是较低的匿名化强度。它意味着细粒度交叉分析（例如"某个罕见职业 × 特定教育 × 特定收入"）会把多人合并到同一格，直接按单元格计数做结论会产生"不存在的聚类"。做亚组分析前先看每个格的样本量，必要时按论文的合并规则反向检查。

6.4 GDPR 与二次使用

OHHR 由欧盟机构发布并完成 GDPR 合规流程，对欧陆研究者是重要的合法性背书。分布到其他法域（如中美）时，各法域的隐私法规要求不同，但数据集本身已不含直接标识符，通常不构成"个人数据再识别"问题。需要留意的是：CC BY 4.0 允许再分发，但再分发不得附加额外限制（如"仅限内部使用"），否则违反许可。

§7 使用场景与已知偏倚

7.1 五类高价值场景

场景	使用的字段	为什么 OHHR 合适
听觉表型/聚类	PTA + ACALOS + 两个 SRT	四层测量在同一人身上，聚类维度完整
助听器压缩策略	ACALOS 斜率 + UCL + PTA	响度增长曲线直接对应压缩比与动态范围
言语识别预测模型	PTA + 认知 + 人口学 → SRT	可做个体级回归，样本 581 足以支撑 10-20 个特征
认知-听力关联	DemTect/WST + PTA + 自评	认知与听力同批测量，避免跨数据集拼接
移动测听校准	ACALOS 绝对电平	有校准的绝对声级，可模拟设备偏移

7.2 已知偏倚清单（使用前必读）

1. 非代表性样本：自报听障 76.1%，正常听力 0.7%。不可用于患病率估计、不可作为"正常听力"对照组。
2. 单中心单地域：奥尔登堡一地，德国下萨克森州志愿者库，文化/语言/医疗体系高度特定。
3. 时间窗 2013-2015：十余年前的测量，助听器技术、言语测试规范、认知常模均有演进。
4. 言语材料为德语：GÖSA 与 DTT 均为德语材料，跨语言复用需用对应语言版本的常模重新校准。
5. SES 偏斜：高 SES 占比高，SES 相关结论受选择效应污染（§7.3）。
6. k=4 匿名化：极稀有组合被合并，细粒度亚组不可还原。
7. SF-12 缺失 13 项：涉及心理成分的分析需明确缺失处理。

7.3 为什么"OHHR 里没有 SES 梯度"不是流行病学结论

论文报告：GHS（德国健康调查）中低 SES 人群听力障碍显著更高（p<0.001），而 OHHR 中未见明显 SES 梯度。

这不是矛盾，而是两种抽样机制的必然结果：

• GHS 是人群抽样，低 SES 群体中的未诊断/未治疗听障者被自然纳入；
• OHHR 是临床志愿者，能长期参与听力学研究的多为主动就医、已使用助听器、时间与经济条件较好的人群——低 SES 听障者在这一层被系统性漏掉。

因此正确表述是：“在已完成听力学服务接触的志愿者中，SES 与听障程度无显著关联”，而不是"社会经济地位不影响听力"。

7.4 "八项测试 37 个参数"的口径

外部综述把 OHHR 归纳为"八项测试、37 个参数"（问卷、两项认知、SF-12、ACALOS、GÖSA、DTT、纯音测听）。这是一个面向建模的特征清单口径，把每项测量压缩为若干标量参数（如 ACALOS 的斜率与截距各算一个）。

它与数据本体并不冲突：本体存的是逐试次/逐频率的原始记录，37 参数是特征工程后的视图。引用时请注明是"特征口径"还是"原始口径"，否则会与"变量条数"混淆（坑 6）。

§8 下游应用与复现

8.1 听觉表型聚类的公共底座

听力学界长期在争论"听觉表型（auditory profile）应该怎么分"。主流框架包括：

• Bisgaard 框架：仅用听力图（PTA），按曲线形态分型；
• Hearing4All 框架：结合阈上与言语测量，分 13 类；
• 其他基于聚类/流形学习的框架（k-means、GMM、UMAP 后聚类等）。

争议的核心是"用什么指标评价一个分型的好坏"——轮廓系数（silhouette）、Calinski-Harabasz、Davies-Bouldin 等内在指标各有偏性，且随类别数变化。

OHHR 的价值在于提供了统一输入：同一套 581 人（外部研究用扩展版 1,127 人）的四层测量，经标准化预处理后可喂给任意框架做公平比较。已有研究据此报告：听力图类框架中 Bisgaard 表现较优，而纳入阈上测量的 Hearing4All 13 类框架在 Davies-Bouldin 指标上取得最佳聚类质量。

这对使用者的启示：若你要提一个新的听觉表型方法，OHHR 是现成的对标数据集；若你只是要做助听器适配，复杂的聚类未必优于"PTA4 + ACALOS 斜率"两个直观特征。

8.2 助听器压缩策略的直接输入

助听器的宽动态范围压缩（WDRC）需要三个量：

1. 听阈（压缩的起点）——PTA；
2. 不适阈（压缩的上界）——UCL；
3. 响度增长斜率（压缩比随输入变化的形状）——ACALOS。

三者齐备的公开数据集极少。OHHR 的 ACALOS 在 1500 与 4000 Hz 两个频率上给出完整响度函数，配合同频率的 UCL 与 PTA，可以逐人重建"输入声级 → 输出舒适度"的映射，用于：

• 验证 NAL-NL2、DSL v5 等处方公式在重度听损者上的偏差；
• 训练"从 PTA 预测 ACALOS 斜率"的回归模型（用 PTA 输入、ACALOS 监督，二者同人测量，避免了跨数据集分布漂移）；
• 模拟不同压缩比下的言语可懂度（需借助外部言语可懂度模型）。

8.3 移动/远程测听的校准

移动测听（手机+耳机）的最大障碍是设备与耦合腔的校准偏移。OHHR 的 ACALOS 是在校准过的 HDA200 上测的绝对声级，可以作为"真值"：在训练算法时人为注入设备偏移（增益、频响倾斜），让模型学习从"未校准的 CLS 曲线"反推偏移量，再用 OHHR 的校准数据验证。

这正是 Xu et al. 2025 的做法——用 N=847 的 PTA4>20 dB HL 子集训练与验证校准偏移推断。注意该子集是筛选后的：全队列并非人人 PTA4>20，复现时需自己按阈值筛。

8.4 复现检查单（12 项）

1. 下载的版本号与论文引用版本是否一致？
2. 是否读了 metadata/ 的 RTF 与 schema，而不是只看字段名？
3. 听力图与响度表是否已按官方脚本 join？
4. join 前是否核对频率单位（Hz/kHz）与命名？
5. CLS 试次级数据是否按论文口径聚合成参数？
6. 响度函数用阶梯法还是 BTUX 拟合？两种结果差多少？
7. PTA4 是否按 500/1000/2000/4000 四频计算（而非六频）？
8. SRT 的单位是否统一为 dB SNR？
9. 助听器使用者在认知/问卷中佩戴、在听力学中不佩戴——分析时是否区分？
10. SES 分析是否声明 n=442 而非 581？
11. SF-12 缺失 13 项的处理策略是否写明？
12. 引用规模是否写 581（而非下游论文的 1,127/847）？

§9 与库内条目的关系

9.1 家族图谱

库内条目	rid	关系类型	说明
sex-differences-hearing-loss	1008	同域最近邻（勿合并）	韩国 4,084 人纯音听阈；仅单层测量、人群代表性样本；与本条构成"参考值 vs 多模态队列"的互补
NHANES	99	方法学同族	美国人群健康调查，含听力与问卷；抽样代表性强但听力学深度浅
UK Biobank	96	队列同族（超大）	含听力问卷与部分听测，规模压倒性但测量层数少
NACC	335	认知端互补	痴呆/MCI 纵向队列，可与 DemTect/WST 维度对接
ADNI	101	认知端互补	阿尔茨海默病纵向多模态
OASIS	21	认知端互补	脑影像与认知老化
Bridge2AI-Voice	66	语音端互补	语音生物标志物，与 GÖSA/DTT 的言语产出可交叉
UA-Speech	473	语音端互补	构音障碍语音，与听力学无直接交集但可组合为"听-说"闭环研究
Speech Accessibility Project	830	语音端互补	大规模可访问语音语料
TUH EEG（71）/ Sleep-EDF（73）/ MrOS（292）	—	生理信号同层	与本条同属"生理信号"一级标签，方法学（时序/个体内变异）可借鉴
wearable-exam-stress	807	认知-生理交叉	可穿戴+认知应激，与 DemTect 类测量形成对照

9.2 检索路径建议

• 想做听力参考值：sex-differences-hearing-loss（1008）→ 再到本条看阈上维度；
• 想做听力-认知关联：本条 → NACC(335) / ADNI(101) 做外部验证；
• 想做语音-听力闭环：本条 → Bridge2AI-Voice(66) / UA-Speech(473)；
• 想做开放数据方法学对标：本条（CC BY 4.0 + JSON schema）与库内其他 Zenodo/PhysioNet 条目对比许可与结构。

9.3 建议互链点（正文口径，不进 frontmatter）

按 R012 纪律，relatedLink 只写纯 URL，消歧说明一律放正文。建议主会话在入库后回填以下互链：

• https://www.qianfanghub.com/ai-ready-dataset/sex-differences-hearing-loss/1008 —— 同域最近邻，纯音听阈参考值，明确不同源、不合并；
• https://www.qianfanghub.com/ai-ready-dataset/nhanes/99 —— 人群代表性对照；
• https://www.qianfanghub.com/ai-ready-dataset/nacc/335 —— 认知维度下游；
• https://www.qianfanghub.com/ai-ready-dataset/bridge2ai-voice/66 —— 语音侧。

§10 避坑清单：八个已踩过的坑

坑 1：Record 与 Repository 两种名称分裂。
Zenodo 14177903 与部分镜像仍写 “Oldenburg Hearing Health Repository”，论文与 14177902 之后写 “Record”。按 Repository 检索会命中旧 DOI，拿到的可能是早期不完整版本。处置：以论文 DOI 与 14177902/21030397 为准，检索时同时试两个词。

坑 2：把 Zenodo 最新版当成论文写作时的版本。
OHHR 有 6 个 DOI 后缀，最新 21030397 为 v1.5.0.0（2026-06-29），data.zip 10.8 MB；论文引用的首版 5.4 MB（14177903 记录为 data.zip 5.4 MB + MethodsDescription 两件）。若复现论文数字却下了最新版，字段增补可能让计数对不上。处置：复现对齐论文引用的版本，探索性分析用最新版，并在方法节写明版本号。

坑 3：把下游论文的 1,127 或 847 当成 OHHR 的规模。
Xu et al. 系列用了"扩展版 1,127 人"与"校准子集 847 人"，二者都不是公开发布版的 581。处置：提 OHHR 规模一律写 581；引用下游结果时注明其筛选条件（如 PTA4>20 dB HL）。

坑 4：直接 merge 听力图与响度表导致行数爆炸。
两表粒度不同（一表按受试者×耳×频率，一表含试次维度），直接 merge 会做笛卡尔展开，行数从数千涨到数万而无声无息。处置：先用 tools/ 里的脚本聚合到同一粒度，再 join；join 后核对行数是否等于"受试者×耳×频率"的理论值。

坑 5：频率单位 Hz 与 kHz 混用造成空表。
跨表 join 键里 1000 与 1 是不同值，但语义相同；若一表用 Hz 一表用 kHz，merge 返回空表而不报错。处置：join 前打印两表频率唯一值，确认量纲一致。

坑 6：把"八项测试 37 个参数"当成变量条数。
37 是特征工程视角的标量数，不是数据表列数，更不是原始记录条数。处置：引用时注明口径（特征/原始），列数需从 schema 读。

坑 7：把 OHHR 当人群代表样本做患病率估计。
自报听障 76.1% vs GHS 34.5%，双耳听障 86.6% vs 28.5%。用 OHHR 估计"德国人听障率"会高估一倍以上。处置：需要患病率请用 GHS/NHANES，OHHR 只做机制与关联研究。

坑 8：忽略"戴/不戴助听器"的测量分野。
听力学四项（PTA/ACALOS/GÖSA/DTT）不戴助听器，认知与问卷戴助听器（使用者）。若把两者当作同一条件下的测量做相关，会把"助听器补偿效应"误读为"认知与听力的真实关联"。处置：分析前在数据字典中确认每张表的佩戴条件，并在方法节声明。

§11 总结

11.1 三句话总结

1. OHHR 是 581 名 18-86 岁德国成人的多层级听力健康档案：纯音测听、ACALOS 响度缩放、GÖSA 与 DTT 言语测听、DemTect 与 WST 认知测验、11 页居家问卷，同一批人全部测完。
2. 它以 CC BY 4.0 全量开放，JSON + schema + taxonomy + 四语言脚本的结构使其成为计算听力学领域少见的"下载即建模"资源。
3. 它不是人群代表性样本（自报听障 76.1%），最大价值在于"多测量同人可得"，而非"规模"或"代表性"。

11.2 适合谁

• 听觉表型、精准听力学、助听器算法研究者；
• 需要"听力-认知-心理社会"三层同人数据的认知老化研究者；
• 移动测听/远程听力筛查的校准算法开发者；
• 数据工程视角下研究"JSON schema + taxonomy + 多语言脚本"开放数据范式的团队。

11.3 不适合谁

• 需要人群患病率或人群参考值的研究（请用 GHS/NHANES/sex-differences-hearing-loss）；
• 需要正常听力对照组的听觉实验（本队列正常听力仅 0.7%）；
• 非德语环境的言语测听直接迁移（GÖSA/DTT 为德语材料，需重新校准）；
• 需要影像/电生理原始波形的研究（OHHR 不含 ABR、OAE、影像）。

11.4 30 秒决策卡

你的需求	结论
要阈上响度 + 听阈 + 言语 + 认知同人数据	用
要人群代表性	不用
要免费商用	用（CC BY 4.0）
要开箱即用的 CSV 平表	谨慎（需 join，官方给了脚本）
要纵向随访	不用（单次横断面）
要非德语言语测听	需重新校准

§12 深度解剖：一次 1 小时会话里发生了什么

12.1 从邮寄问卷到隔声室

OHHR 的数据采集不是"把人叫来做几个测试"，而是一条有明确前置条件的流水线。按论文 Procedure 与 Methods 的叙述，一个受试者的完整路径是：

1. 邮寄阶段：HZO 从志愿者库中选人，寄出研究说明、同意书与 11 页居家问卷，要求纸笔填写、用预付邮资信封寄回。
2. 资格确认：收到问卷后核查完整性；未返回或不完整者不进入实验室阶段。
3. 实验室会话（约 1 小时）：面谈采集病史 → 纯音测听（约 13 分钟）→ ACALOS → GÖSA（约 5 分钟）→ DTT（约 3 分钟）→ DemTect（8-10 分钟）→ WST（10 分钟）。
4. 记录与归档：每项测试单独记录测试日期（个别受试者因故分次完成）。

这个顺序有三个不可见的约束，它们直接决定了数据的性质：

• 问卷在前：受试者在"知道数据将公开"的前提下填写主观信息，避免测试后的情绪或疲劳污染自评（论文明确表述此设计意图）。
• 听力学在前、认知在后：听力学测试需要安静与专注，放在会话前段；认知测验容许助听器补偿，放在后段。
• 单次完成：非纵向设计，没有随访，因此任何"变化"都不能从本数据推断。

12.2 为什么是 1 小时

把各测试耗时加起来：纯音 13 分钟、GÖSA 5 分钟、DTT 3 分钟、DemTect 8-10 分钟、WST 10 分钟，共约 39-41 分钟；加上病史面谈、ACALOS（约 10 分钟量级）与设备准备，正好落在 1 小时附近。

这个时长是设计的硬约束：超过 1 小时，老年受试者的疲劳效应会显著污染后段测量。也因此 ACALOS 才被压缩到两个频率、GÖSA 才只用 20 句一表——每一项的"短"都不是随意，而是给总时长让路。

12.3 校准的三层保障

层级	措施	失败后果
硬件校准	听力计与换能器按 ANSI S3.6-2010 / ISO 389-8-2004 定期校准	阈值整体偏移，跨受试者不可比
软件合规	测听软件获 CE 标记，符合欧盟医疗器械法规	自适应算法行为不可复现
环境控制	声学屏蔽测听室、自由场扬声器	本底噪声抬高低频阈值

三层缺一层，数据就只能"内部比较"而不能"跨研究比较"。OHHR 的价值很大程度来自三层都做了。

§13 数据质量与可用性评估

13.1 完整性

数据块	完整性	依据
纯音测听	完整	论文称关键测量完整
ACALOS	完整	同上
GÖSA / DTT	完整	同上
DemTect / WST	完整	同上
居家问卷	基本完整	同上
SF-12	缺 13 项	论文技术验证节唯一明确缺失

"关键测量完整"是一个强声明：意味着 581 人每人都有可用的纯音、响度与言语数据。对建模者来说，这意味着不需要为多模态对齐做样本剔除——这在多模态数据集里相当罕见。

13.2 一致性

论文报告的三条一致性证据：

1. 按听力状态分层后组内近似高斯——说明测量没有系统性畸变；
2. 听相关测量间强双变量相关——说明各测量测的是同一个潜在构念的不同侧面；
3. 自评与客观测量小但一致的正相关——说明主观与客观不是同一件事，但方向稳定。

第 2 与第 3 条合起来读，是 OHHR 最核心的方法学结论：听力健康是多维构念，维度间相关但不等价。

13.3 可用性的三个门槛

门槛	难度	说明
下载	极低	公开直链
理解结构	中	需读 RTF 与 schema，且必须 join
建模	中	需自行聚合试次级数据、处理缺失与条件分野

与库内多数"CSV 直给"的数据集相比，OHHR 的门槛在第二、三层。官方 tools 脚本把第三层的难度显著降低，但没有消除。

§14 与其他听力学公开数据的横向比较

14.1 四类公开听力数据的定位

类型	代表	规模	测量深度	代表性	许可
人群调查型	GHS、NHANES	数千-数万	浅（问卷/少量听测）	强	多为申请制/受限
健康筛查型	sex-differences-hearing-loss(1008)	4,084	中（纯音六频）	中（筛查人群）	ODC-By
临床表型型	OHHR	581	深（四层）	弱（听障过度抽样）	CC BY 4.0
算法基准型	各类语音/关键词识别语料	万级片段	浅（单一任务）	弱	各异

这张表说明一个基本权衡：规模 × 深度 × 代表性三者不可兼得。OHHR 明确放弃代表性换取深度，并在论文里主动量化代价（§7.2）。

14.2 与人群调查型数据的分工

典型的组合用法是：用 NHANES/GHS 估计"人群层面听障患病率与危险因素"，用 OHHR 研究"已确诊听障者的多维表型与康复需求"。前者回答"多少人"，后者回答"这些人是什么样的"。

14.3 与算法基准型数据的分工

语音识别语料回答"模型能否听懂特定音频"，OHHR 回答"这个人为什么听不清"。两者可组合成闭环：OHHR 提供个体的听阈与响度曲线 → 仿真听觉前端 → 在语音语料上评估可懂度。

14.4 不可替代性

OHHR 的独特之处在于ACALOS 在 1500 与 4000 Hz 上逐试次记录。多数公开数据集即使有 CLS，也只给聚合参数；OHHR 给原始试次，意味着研究者可以用自己的拟合方法重新建模，而不被作者的拟合假设锁定。

§15 典型失败模式与质量控制

15.1 六种常见分析错误

错误	表现	修正
单位混淆	SRT 混用 dB SPL 与 SNR	查 schema，统一量纲
粒度混淆	试次级与受试者级混算	先聚合再 join
频率混淆	Hz/kHz 混用	join 前打印唯一值
样本量误报	用 581 做 SES 分析	SES 用 442
条件误读	把助听器条件下的认知与无助听器听阈直接相关	声明中介效应
拟合方法混比	阶梯法斜率与幂函数斜率直接比较	统一方法或做换算

15.2 一个具体的错误复现

假设研究者想验证"响度重振越强，言语识别越差"：

• 错误做法：直接取 loudness_scaling 表的原始试次，算每个受试者所有 cu 的均值，再与 GÖSA SRT 求相关。结果接近零。
• 错在哪：cu 均值不反映斜率，且把"听不到"（0 cu）也算了进去；不同受试者的电平范围不同，均值不可比。
• 正确做法：按频率与耳分别拟合响度函数，取斜率作为重振指标；只保留"听到"以上的点；再与同耳或较好耳的 GÖSA SRT 相关；并控制 PTA4（因为重振与听阈本身相关）。

这个例子说明：OHHR 的错误大多不是"数据错"，而是"用法错"，而它恰好缺乏"标准预处理脚本"来兜住这类错误。

15.3 质量控制清单（提交前）

1. 行数与理论值一致？
2. 每个受试者都有完整的四层数据？
3. 缺失是否只在 SF-12？
4. 拟合方法是否写明？
5. 单位是否统一？
6. 佩戴条件是否声明？
7. 样本量是否按实际可用字段陈述？
8. 是否引用了正确版本？

§16 对 AI-Ready 方法论的启示

16.1 “schema 即文档”

OHHR 用一个 JSON schema 同时承担了三件事：数据类型约束、机器可读文档、校验依据。这比"一张 Excel 说明表"高明之处在于：它是可执行文档——CI 里跑一次 schema 校验就能发现数据损坏。

16.2 “taxonomy 即本地化层”

把编码与语义分离（tax_*.json）的收益被低估了：它让同一份数据可以在不触碰数值的前提下换成任何语言标签，也让"新增一个类目"变成改映射而非改数据。对多语种医学数据集，这是一个可直接借用的模式。

16.3 "自曝偏倚"应当成为默认动作

论文用一整节把 OHHR 与 GHS 逐项对比，量化了自身的人群偏倚（76.1% vs 34.5%）。这种"自己先说出缺点"的做法，比让使用者在使用中踩坑要负责得多，也是本条目在 DAIMS 元数据项打高分的原因之一。

16.4 "工具脚本"是开放数据的最后一公里

CC BY 4.0 + JSON + schema 已经足够"开放"，但如果没有 tools 里的四语言 join 脚本，绝大多数使用者会在第一步卡住。开放数据的完成度不看许可，看第一次成功读取所需的时间。 OHHR 在这点上做了正确的事，但仍可以更进一步——直接提供扁平化的 Parquet 导出。

§17 常见误解澄清

误解 1：OHHR 是"德国听力正常人群参考值"。
不是。正常听力者仅 0.7%。需要参考值请看 sex-differences-hearing-loss(1008) 或 GHS。

误解 2：581 人是"筛掉不合格者后剩下的健康样本"。
筛选标准是"数据完整性"，不是"健康"。被筛掉的是测量不完整者，留下的是完整者——其中绝大多数有听障。

误解 3：CC BY 4.0 意味着可以随意用于临床。
许可允许使用，但数据集本身没有临床验证声明。用于临床决策需自行完成验证与合规。

误解 4：ACALOS 的 cu 是等比的。
cu 是等距（interval）而非等比（ratio）量表：0 cu 不是"零响度"，50 cu 也不是"50 倍"。不能做乘除。

误解 5：GÖSA 与 DTT 的 SRT 可以互相替代。
不可以。一个是开放式、依赖语言能力，一个是闭集、对语言能力稳健。二者差值有独立信息。

误解 6：DemTect 分数可以当 MCI 标签。
不可以。它是筛查工具，敏感性/特异性均在特定阈值下定义，直接作为机器学习标签会引入标签噪声。

误解 7：数据只有 10 MB，所以信息量小。
体积小是因为存的是标量与短序列（试次、频率、量表分），不是波形或图像。581 人 × 四层测量 × 数十变量的信息密度并不低。

§18 按角色阅读路径

18.1 听力学研究者

§4（测量协议）→ §8.1-8.2（表型与压缩）→ 附录 F（拟合骨架）→ 附录 E（佩戴条件）。

18.2 机器学习工程师

§3（数据结构）→ §3.2-3.3（join 与读取）→ 附录 G（工作流）→ 坑 4/5（粒度与单位）→ 附录 N（检查清单）。

18.3 认知科学/老年学研究者

§2.3（年龄性别分层）→ §4.5（认知测量）→ §7.3（SES 偏倚）→ §9（与 NACC/ADNI 的关系）。

18.4 数据管理者/图书馆员

§2.5（表结构）→ §6（许可与伦理）→ 附录 B（DAIMS）→ 附录 I/J（版本与口径）→ §16（方法论启示）。

18.5 临床听力师

§2.2（队列底色）→ §4.1-4.2（PTA 与 ACALOS 参数）→ 附录 E（佩戴条件）→ §11.4（决策卡）。

§19 一页速查卡

问题	一句话答案
多少人	581
多大年龄	18-86，均值 67.31
哪国人	德国奥尔登堡
什么时候采的	2013-2015
测了什么	纯音/ACALOS/GÖSA/DTT/DemTect/WST/SF-12/问卷
气导频率	125-8000 Hz
骨导频率	500-4000 Hz
ACALOS 频率	1500 与 4000 Hz
言语测试噪声	65 dB SPL（重损 80）
许可	CC BY 4.0
要不要申请	不要
格式	JSON + schema + taxonomy
要不要 join	要（听力图与响度表）
能算患病率吗	不能
正常听力占比	0.7%
最新版本	v1.5.0.0（21030397）
论坛/社区	Zenodo Hearing4all

§20 维护计划与触发点

触发条件	动作
Zenodo 出现 v1.6 及以上	更新 §6.1 版本链与附录 I
论文被引产生新的下游口径（如 1,127 之外的规模）	更新 §5.4 口径表
官方提供扁平化导出（Parquet/CSV）	改写 §3 与附录 G，DAIMS 互操作分上调
GHS 或 NHANES 发布新基准	更新 §7.2 对照表
库内新增听力类条目	更新 §9.1 家族图谱

§21 统计效能与样本量规划

21.1 581 人能支撑多少特征

一个粗略但实用的经验：回归类分析的经验样本量下限约为每特征 10-20 例。按此推算：

分析类型	可用样本	建议最大特征数
全队列单变量/双变量	581	不设限
全队列多变量回归	581	30-58
SES 相关分析	442	22-44
校准子集（外部研究口径）	847	42-84
亚组（如按性别×年龄四格）	约 145/格	7-14

这张表的含义很直接：OHHR 适合 10-30 个特征的建模，不适合百维特征的高维回归。若你的方案需要上百个输入维度（例如直接把 ACALOS 的 20 个试次全作为特征），应考虑正则化、降维或改用聚类/树模型。

21.2 效应量能测到多大

以双变量相关为例，n=581 时在 α=0.05、power=0.80 条件下可检出的最小效应约为 r≈0.12；n=442 时约 r≈0.13。这意味着：

• 论文所述"自评与客观测量小但一致的正相关"落在可检出范围内，量级上通常在 r=0.2-0.4 之间；
• 若某个假说预言 r<0.10 的效应，本数据集无法给出确定结论，阴性结果不构成反驳。

21.3 分组比较的注意事项

分组方式	问题	建议
按年龄四分位	左尾过长，第一组容量偏大	改用固定年龄切点（如 <60/60-70/70-80/≥80）
按性别	女性听损比例低 20pp	报告组内听障比例，必要时做倾向评分
按听力分级	正常组仅 4 人（0.7%）	合并"正常+轻度"或直接剔除
按 SES	高 SES 占多数	明确声明选择效应

§22 建模视角下的特征工程

22.1 从原始表到特征矩阵

OHHR 的原始记录粒度是"受试者 × 耳 × 频率（× 试次）“，而多数模型需要"每行一个受试者”。这个转换包含四个决策，每个都有替代方案：

决策	常见做法	替代做法	影响
双耳合并	取较好耳	取较差耳 / 两耳分别入模	较好耳更接近"功能听力"，较差耳更敏感于病变
频率聚合	PTA4	六频均值 / 分频全入模	PTA4 可解释性强，分频信息量大
CLS 聚合	拟合斜率+截距	分档电平 / 曲线重采样	拟合假设影响可比性
言语合并	GÖSA 与 DTT 分开	取均值 / 差值特征	差值携带"语言加工"信息

22.2 推荐的特征集（三档）

精简档（约 12 维）

1. 较好耳 PTA4
2. 较差耳 PTA4
3. 较好耳 4000 Hz 气导阈值
4. 气骨导差（较好耳 1000 Hz）
5. ACALOS 1500 Hz 斜率（较好耳）
6. ACALOS 4000 Hz 斜率（较好耳）
7. 较好耳 4000 Hz UCL
8. GÖSA SRT
9. DTT SRT
10. GÖSA 与 DTT 之差
11. DemTect 年龄校正分
12. WST 原始分

中档（约 25 维）：在上述基础上加入分频阈值（8 个频点 × 2 耳 = 16，压缩为 8 个差分特征）、SF-12 的 PCS/MCS、技术准备度总分。

扩展档（约 40 维）：再加入人口学（年龄、性别、教育、收入档、SWI 档）、助听器使用年限、耳鸣困扰度、IOI-HA 三项。

22.3 标签构造的三种方式

方式	定义	适用
回归标签	连续值（PTA4、SRT、斜率）	预测任务
分级标签	Röser 五级 / WHO 四级	分类任务，需注意正常组仅 4 人
聚类标签	无监督分型后作为伪标签	表型发现，需声明非临床金标准

警告：把 DemTect 阈值化为"MCI/非 MCI"作为标签是常见但危险的做法——筛查工具的阈值是在特定人群上优化的，用作机器学习标签会把阈值误差固化进模型。

22.4 泄漏与混杂的三个来源

1. 同侧同耳重复：ACALOS 与 PTA 同耳测量，若把 PTA 当特征预测 ACALOS，本质是测"同一次测听内部的一致性"，不是预测。
2. 年龄的双重角色：年龄同时影响听力与认知，若只用年龄做协变量而不用它做分层，会低估听力-认知关联。
3. 助听器使用：助听器用户听力更差但日常功能更好，形成"选择-补偿"混杂。

§23 五个可落地研究课题

23.1 从 PTA 预测 ACALOS 斜率

• 问题：能否仅凭纯音阈值预测响度增长斜率？
• 意义：临床上多数场景只有听力图，若能预测斜率，可减少 CLS 测试成本。
• 方法：以 PTA（分频）+ 年龄 + 性别为输入，ACALOS 斜率为输出，做梯度提升回归；按受试者划分训练/测试集。
• 注意：同耳同人自相关强，交叉验证必须按受试者分组，不能按行随机。

23.2 言语识别的多因素解释

• 问题：GÖSA SRT 的个体差异有多少来自听阈、多少来自认知？
• 方法：分层回归——第一层放 PTA4，第二层加 DemTect/WST，观察 ΔR²。
• 注意：若只看全队列，重度听损者占多数，PTA4 的解释力会被压缩；建议按听力分级分层报告。

23.3 耳鸣与听阈的分离

• 问题：耳鸣困扰是否独立于听阈？
• 方法：以耳鸣困扰度为因变量，PTA4、年龄、性别、SF-12 MCS 为自变量。
• 注意：耳鸣 47% 的比例偏高，是听障人群的共病率，不可外推。

23.4 助听器采用的预测（探索性）

• 问题：哪些因素区分"有听障但不用助听器"与"已使用"？
• 方法：逻辑回归，自变量含 PTA4、SWI、技术准备度、自评困扰。
• 注意：横断面数据无法区分因果方向（是采用后更满意，还是更满意者才采用）。

23.5 听觉表型框架的复现与比较

• 问题：Bisgaard 与 Hearing4All 两类分型在本数据上的一致性如何？
• 方法：分别实现两类分型规则，用调整 Rand 指数比较；再用轮廓系数评估内在质量。
• 注意：不同分型类别数不同，直接比轮廓系数有偏，需按类别数归一化。

§24 数据字典的"元数据纪律"

24.1 三份文件的分工

文件	读者	作用
MethodsDescription.rtf/.pdf	人类	叙述测量流程与参数
JSON schema	机器 + 人类	字段类型/范围/必填
taxonomy JSON	机器	编码 → 语义标签

三份文件存在冗余（同一字段在三处都有描述），这是刻意设计：人读 RTF、程序读 schema、展示层读 taxonomy。冗余的代价是三者可能不同步——若后续版本只更新了 schema 而未更新 RTF，就会出现"文档说 11 类、schema 说 10 类"的漂移。使用前应以 schema 为准，RTF 为辅。

24.2 列级元数据的最小充分集

一个听力学字段要做到"自解释"，至少需要：单位、测量条件（耳侧/频率/佩戴状态）、设备、算法版本。OHHR 通过 RTF + schema 覆盖了前三项，但算法版本（如 ACALOS 的实现版本）在公开文档中不易追溯——这是复用时的隐性风险：同一方法名在不同版本软件上可能给出不同曲线。

24.3 元数据与 AI 训练的关系

对训练数据管道而言，元数据的价值不在于"给人看"，而在于能自动生成过滤条件。例如：

• 用 schema 里的取值范围自动剔除越界记录；
• 用 taxonomy 自动把编码映射为可读标签供审计；
• 用 RTF 里的测量条件自动构造"同一条件下可比"的子集。

缺少这一层，任何跨数据集合并都要靠人工对照表，成本极高。

§25 与 Hearing4All 生态的关系

25.1 卓越集群的背景

Hearing4All 是德国研究基金会（DFG）资助的卓越集群（EXC 2177/1，项目号 390895286），以奥尔登堡大学为核心，联合多个机构研究"个体化听力辅助"。它的研究栈覆盖：听觉模型、信号处理、助听器算法、临床验证与心理声学。

25.2 OHHR 在生态中的位置

OHHR 是这个生态的"公共底座"：集群内部长期积累了大量测量数据，但多为内部非结构化版本；公开发布的 581 人版本是把这些数据"结构化 + 脱敏 + 文档化"后的产物。论文明确写道，此前的相关研究（言语识别个体预测因子、助听器采用决定因素、Common Audiological Functional Parameters、听觉表型用于临床决策支持）都依赖内部非结构化版本，且未包含全部变量、也未公开共享。

因此 OHHR 的贡献不只是"又一批数据"，而是把一个研究集群的私有资产转成公共资产。这对复用者有两个含义：一是数据质量受集群既有研究背书；二是文档中保留了集群内部术语（如 CAFP 相关概念），读者可能需要额外背景。

25.3 与 HZO 志愿者库的关系

HZO 维护约 2,000 名本地志愿者，是数据的来源池。这意味着：

• 受试者之间可能存在非独立性（同一家庭、同一社区、长期参与多项研究）；
• 重复参与会带来经验效应（对测试流程熟悉），尤其在言语测试上可能低估学习效应；
• 志愿者库的自我选择使得"主动参与科学研究"本身成为一个未观测的混杂变量。

这些都无法从数据中直接识别，只能作为解读限制声明。

§26 时间线与版本演进

时间	事件
2013-2015	原始数据采集（HZO 实验室会话 + 居家问卷）
2024-11-13	数据保护审批（DSM-H4A Open Dataset/20241113-0009）
2024-11 前后	Zenodo 首次发布（14177902 / 14177903，标题曾用 Repository）
2025-03-30	medRxiv 预印本上线（2025.03.30.25324761）
2025	Scientific Data 论文发表（12:1546）
2025-2026	中间版本迭代（15727482 / 16919812 / 19664499）
2026-06-29	v1.5.0.0 发布（21030397），数据包体积增至 10.8 MB

这条时间线提示一件事：版本迭代在论文发表后仍在继续。说明作者把数据集当作"活文档"维护，而不是"发表即冻结"。这对使用者是好消息（错误可被修正），但也意味着版本管理责任转移到使用者身上（坑 2）。

§27 一页速览之外：三个常被问错的细节

细节 1：为什么骨导从 500 Hz 起？
低于 500 Hz 时，骨导换能器的振动会通过颅骨以外的途径（如耳道壁、软组织）传导，与气导路径交叠，测得的"骨导阈值"实际上混入了气导贡献。因此低频骨导不可靠，业界惯例从 500 Hz 起。

细节 2：ACALOS 为什么不需要预先测听阈？
因为它从"听不到"档开始自适应爬升，本身就覆盖了从阈下到阈上的范围。这是自适应方法相对固定电平法的核心优势——不需要先知道听阈就能保证覆盖个体动态范围。

细节 3：为什么重度听损者的言语噪声要提到 80 dB SPL？
因为 65 dB SPL 的言语声对重度听损者可能完全不可闻，自适应算法会把言语电平推到设备上限，导致无法估计 SRT。提高噪声与言语基准电平，相当于把整个测试"平移"到受试者的可听区间。

§28 引用与衍生使用规范

28.1 必须同时引用的三件

1. 论文（Jafri et al., Sci Data 2025）——方法与测量定义；
2. Zenodo 记录（含版本号与 DOI）——数据本体；
3. 原始测量方法文献（GÖSA、DTT、ACALOS、DemTect、WST）——当你的分析依赖这些方法的特定参数时。

28.2 常见引用错误

错误	后果
只引 Zenodo 不引论文	读者无法核对测量协议
引 Zenodo 但不写版本号	他人无法复现到你用的数据
把论文许可（开放获取）当数据许可	许可声明不准确
引用外部综述的规模（1,127）	与本数据集不符

28.3 衍生数据集的合规要点

若你在 OHHR 上做了特征工程并发布衍生数据集：

• 必须署名 OHHR 原作者；
• 必须标明"基于 CC BY 4.0 数据修改"；
• 不得对衍生品附加与 CC BY 冲突的限制；
• 建议保留受试者标识符的原值（便于他人回溯），但不得尝试再识别。

FAQ（高频问答 28 问）

A. 基础认知

F1：OHHR 是数据库还是研究项目？
两者都是。它源于 2013-2015 年奥尔登堡的一次大规模听力学表型研究，2025 年以数据描述论文形式把整理后的版本公开发布，因此既有"队列"属性也有"数据集"属性。

F2：为什么叫 Hearing Health Record？"Record"有特定含义吗？
这里 Record 指"完整记录"（a record of hearing health），不是电子健康记录（EHR）意义上的 Record。它与医院电子病历无关，是研究者主动采集的测量档案。

F3：581 人是采集时的全部人数吗？
不是。发布版是"完整性筛查后"的 581 人。HZO 志愿者库约 2,000 人，实际参与并完成全部测量的少于该数，筛除的是数据不完整者。

F4：为什么 18-86 岁的分布这么偏？
因为抽样逻辑是"从已接触听力学服务的志愿者中招募"，老年听障者是主体。年轻人多在 18-40 岁段零星出现。

F5：OHHR 属于哪个学科？
听力学（audiology）为主，交叉计算听力学、认知心理学、心理测量学、公共卫生。库内一级标签归"生理信号"，二级可取"队列研究/调查数据/语音信号"。

F6：有没有影像或电生理波形？
没有。不含 MRI、CT、ABR、OAE、耳声发射波形。全是行为学测量（听阈、响度判断、言语复述、问卷）与量表分数。

B. 数据与获取

F7：下载需要注册吗？
不需要。Zenodo 公开记录，直接下载 data.zip。

F8：data.zip 里面有什么？
data/（核心 JSON 表 + 6 个 taxonomy）、metadata/（RTF 与 JSON schema）、tools/（MATLAB/Python/Excel/SQL 脚本）。

F9：为什么不给 CSV？
JSON + schema 的组合能表达嵌套结构（例如一个受试者有多个试次的响度判断），CSV 需要拆成多表并丢失类型信息。这是作者的结构选择，不是遗漏。

F10：能不能直接 pandas.read_json 读？
能读，但读出来是"记录列表"，需要自己按 schema 展开。建议先用 tools/ 里的 Python 脚本。

F11：数据有版本吗？
有，且版本链长达 6 个 DOI 后缀。最新版 v1.5.0.0（21030397），论文引用版 14177902。

F12：许可允许商用吗？
允许，CC BY 4.0 无用途限制。只需署名。

F13：可以再分发吗？
可以，但必须保留署名与许可声明，且不得附加额外限制。

F14：中文用户有什么额外注意？
两处：一是 Zenodo 在中国大陆的下载速度不稳定，建议使用镜像或教育网加速；二是论文在 nature.com 有 Cloudflare/IdP 验证，脚本抓取常被拦，建议走 PMC 版本或预印本 medRxiv。

C. 测量与解读

F15：纯音听阈的 dB HL 是什么基准？
听力级（hearing level），以正常听力青年在特定换能器上的平均阈值为 0 dB 基准。校准依据 ANSI S3.6-2010 与 ISO 389-8-2004。

F16：ACALOS 的 cu 是什么？
categorical unit，分类单位。0 cu 对应"听不到"，50 cu 对应"太响"，中间按 5 或 10 递增。它是等距量表（借助 Rasch 类方法建立），可做线性拟合。

F17：ACALOS 为什么只测两个频率？
成本折中：1500 Hz 代表中频言语区，4000 Hz 代表高频（老年性聋最早受累）。全频段会让会话时间翻倍。

F18：GÖSA 的 SRT 是 dB SPL 还是 dB SNR？
自适应程序固定噪声电平（65 或 80 dB SPL）、调言语电平求 50% 正确率，因此报告值通常以 SNR 表达。具体字段单位需查 schema，不要默认。

F19：DTT 和 GÖSA 的 SRT 能相减吗？
可以相减但含义特定：差值反映"开放式（需词汇句法）与闭集（仅数字）"的加工差异，是语言与认知贡献的代理，不是测量误差。

F20：DemTect 分数怎么解读？
按年龄校正后分级（<60 岁与 ≥60 岁用不同常模），分数越低提示认知损害越重。它是筛查工具不是诊断工具，不应直接作为 MCI 标签使用。

F21：WST 分数高说明什么？
词汇量大，反映晶体智力与教育背景。它与年龄相关极弱（r=0.08），因此常被用作"病前智力"的估计。

F22：UCL 和 ACALOS 的"太响"有区别吗？
有。UCL 是单一频率上的"不适阈"点，通过逐级升高电平直至受试者报告不适得到；ACALOS 的 50 cu 是同一量表上的最高档，但整条曲线提供了增长率信息。两者可交叉验证。

D. 统计与偏倚

F23：为什么自评与客观听阈的相关"小"？
因为主观困扰受应对策略、社会期望、听力需求、人格等因素调制。这一"小相关"在文献中高度可重复，是听力学的重要发现，而非数据噪声。

F24：能用来算患病率吗？
不能。队列过度抽样听障者，自报听障 76.1% 远高于 GHS 的 34.5%。

F25：SES 分析为什么只有 442 人？
SWI 依赖教育、职业、收入三项完整，缺失者被排除。做 SES 相关分析时样本量下降 24%，需在方法节声明。

F26：k=4 匿名化会不会影响分析？
影响细粒度交叉分析。若某个单元格在原始数据中只有 1-3 人，会被并入更宽类目，导致"看起来有聚类"的假象。建议分析前检查每格样本量。

F27：队列里"耳鸣 47%"能当耳鸣患病率吗？
同样不能。这与听障率偏高是同一原因（听障人群耳鸣共病率高 + 志愿者自选择）。

E. 生产与库内

F28：这条与库内 sex-differences-hearing-loss 冲突吗？
不冲突，是互补。后者是韩国健康筛查人群的纯音听阈参考值（4,084 人，单层测量，代表性好），前者是德国听障志愿者队列的多层测量（581 人，深度好）。合并会把两种抽样机制混为一谈，禁止。

事实清单（硬事实 32 条）

#	事实	出处
1	数据集全称 The Oldenburg Hearing Health Record（OHHR）	论文标题 / Zenodo
2	论文发表于 Scientific Data 12, 1546 (2025)	期刊页 / Zenodo 关联
3	DOI: 10.1038/s41597-025-05884-y	论文
4	预印本 medRxiv 2025.03.30.25324761	medRxiv
5	第一作者 Sumbul Jafri	论文作者列表
6	末位作者 Birger Kollmeier	论文作者列表
7	共 9 位作者	论文 / Zenodo
8	581 名受试者	论文 Participants
9	年龄 18-86 岁	论文 / Zenodo
10	女性 255 人	论文 / Zenodo
11	均值 67.31 岁，SD 11.93	论文 / Zenodo
12	中位年龄 70.0 岁	论文 Participants
13	采集期 2013-2015	论文 / Zenodo
14	采集地 Hörzentrum Oldenburg	论文
15	HZO 志愿者库约 2,000 人	论文 Methods
16	气导 125-8000 Hz	论文 Methods
17	骨导 500-4000 Hz	论文 Methods
18	阈值步长 5 dB	论文 Methods
19	PTA4 = 500/1000/2000/4000 Hz	论文 Methods
20	听力计 Siemens Unity II	论文 Methods
21	气导耳机 Sennheiser HDA200	论文 Methods
22	骨导换能器 RadioEar B71	论文 Methods
23	校准 ANSI S3.6-2010 / ISO 389-8-2004	论文 Methods
24	ACALOS 测 1500 与 4000 Hz，每条件 20 试次	论文 Methods
25	ACALOS 11 类响应，0-50 cu	论文 Methods
26	ACALOS 重测个体内 SD 4-5 dB	论文 Methods
27	GÖSA 20 句/表、10 套语料、±1 dB 精度	论文 Methods
28	言语测试噪声 65 dB SPL（重损 80）	论文 Methods
29	DemTect 5 子测验、8-10 分钟	论文 Methods
30	WST 40 题、分半 r=0.95、α=0.94	论文 Methods
31	居家问卷 11 页、8 大域	论文 Methods
32	许可 CC BY 4.0	论文 FAIR 段 / Zenodo

术语表（26 条）

术语	英文	释义
纯音测听	pure-tone audiometry, PTA	用纯音（正弦波）逐频率测定听阈的行为学测试
听力图	audiogram	频率-阈值曲线图，横轴 Hz、纵轴 dB HL
听力级	hearing level, dB HL	以正常青年平均听阈为 0 dB 的相对声级
声压级	sound pressure level, dB SPL	以 20 μPa 为 0 dB 的绝对声压级
PTA4	four-frequency pure-tone average	500/1000/2000/4000 Hz 气导阈值均值
气骨导差	air-bone gap	同频气导阈减骨导阈，>10 dB 提示传导性成分
不适响度级	uncomfortable loudness level, UCL	受试者报告"太响/不适"的最低电平
动态范围	dynamic range	听阈到 UCL 之间的可用声级跨度
分类响度缩放	categorical loudness scaling, CLS	让受试者按类别判断响度的方法
自适应分类响度缩放	adaptive CLS, ACALOS	依前次反应自适应调电平的 CLS 变体
分类单位	categorical unit, cu	CLS 的等距量表单位，0-50
响度重振	loudness recruitment	听力损失者响度随声级异常快速增长的现像
言语接受阈	speech reception threshold, SRT	50% 正确识别所需的言语电平或 SNR
信噪比	signal-to-noise ratio, SNR	言语与噪声电平之差
开放式测试	open-set test	不提供候选答案的言语测试
闭集测试	closed-set test	提供有限候选答案（如数字）的测试
GÖSA	Göttingen Sentence Test	德语开放式句子测听
DTT	Digit Triplet Test	数字三元组闭集测听
痴呆检测测验	DemTect	5 子测验的德语认知筛查工具
词汇量测验	Wortschatztest, WST	40 题真词/假词识别的晶体智力测验
健康调查简表	SF-12	12 题健康相关生活质量量表，输出 PCS/MCS
技术准备度	technology readiness	对新技术的能力感、接受度与控制感
社会经济指数	Scheuch-Winkler Index, SWI	教育+职业+净收入合成的三层分级
听觉表型	auditory profile	由多项听力学特征聚类得到的个体听觉画像
计算听力学	computational audiology	用计算模型处理听力学测量与决策的交叉领域
k-匿名	k-anonymity	保证每条记录至少与 k-1 条不可区分

附录

附录 A：条目信息速查卡

项	值
slug	ohhr-hearing
官方名	Oldenburg Hearing Health Record (OHHR)
论文	Sci Data 12:1546 (2025)
团队	奥尔登堡大学 + Hearing4All + HZO
规模	581 人（18-86 岁）
测量	PTA / ACALOS / GÖSA / DTT / DemTect / WST / SF-12 / HQ
许可	CC BY 4.0
格式	JSON + schema + taxonomy + 四语言脚本
版本	14177902（首发）… 21030397（v1.5.0.0）
抓取时点	2026-10-17
库内互链	sex-differences-hearing-loss(1008)/nhanes(99)/nacc(335)/bridge2ai-voice(66)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	Zenodo + Hearing4all 社区 + NLM Dataset Catalog + OpenAIRE 多路索引；扣分在 Record/Repository 双名与 6 个 DOI 后缀分散
A 可获取性	10	CC BY 4.0 公开直链，无申请、无 gating、无 embargo——本库内少见的满分项
I 可互操作	8	JSON + JSON schema + taxonomy 语义层 + MATLAB/Python/Excel/SQL 四语言脚本；扣分在未提供 BIDS/OMOP 等通用模式映射
M 元数据质量	9	列级 RTF 说明 + schema + MethodsDescription 详述设备与参数；扣分在 Zenodo 页面不直接列出变量条数
S 可持续性	8	大学 + 卓越集群 + Zenodo 三重托底，版本链完整；扣分在依赖单一 Zenodo 账号
综合评级	8.6/10（优）	获许可与元数据两项优势，明显高于库内开放数据均值

DAIMS（Data and Information Management System）五维度评分在本库内的横向位置：许可项几乎是天花板，互操作项中等偏上，最大遗憾是没有把表扁平化导出为 Parquet/CSV，导致"下载即建模"仍需一次工程投入。

附录 C：逐项证据链自证

关键数字	来源	位置
581 人 / 18-86 岁 / 255 女	论文 Participants	PMC 全文 / 预印本
均值 67.31 / SD 11.93 / 中位 70.0	论文 Participants	同上
2013-2015 采集	论文 Abstract 与 Ethics	同上
气导 125-8000 Hz	论文 Methods（PTA）	同上
骨导 500-4000 Hz	论文 Methods（PTA）	同上
ACALOS 1500/4000 Hz、20 试次、11 类	论文 Methods（ACALOS）	同上
GÖSA 20 句 / 10 套 / ±1 dB	论文 Methods（GÖSA）	同上
DTT 初始 SNR 0 dB	论文 Methods（DTT）	同上
DemTect 5 子测验	论文 Methods（Cognitive）	同上
WST r=0.95 / α=0.94	论文 Methods（WST）	同上
自报听障 76.1% vs 34.5%	论文 Technical validation	同上
双耳听障 86.6% vs 28.5%	论文 Technical validation	同上
耳鸣 47% vs 25.5%	论文 Technical validation	同上
助听器 41.8% vs 7.7%	论文 Technical validation	同上
Röser 分级（中 22.0/重 61.1/极重 15.1%）	论文 Technical validation	同上
SF-12 缺 13 项	论文 Technical validation	同上
k=4 匿名	论文 Ethics	同上
CC BY 4.0	论文 Usage Notes / Zenodo	同上
审批号 DSM-H4A Open Dataset/20241113-0009	论文 Ethics	同上

附录 D：数据获取决策树

你要做什么？
├─ 只是看看数据长什么样
│   └─ 下 data.zip（10.8 MB），读 metadata/ 的 RTF
├─ 复现论文数字
│   └─ 下论文引用版（14177902），不要用最新版
├─ 做听觉表型/聚类
│   └─ 最新版 + tools/Python 脚本 → join → 标准化
├─ 做助听器压缩研究
│   └─ 取 PTA + UCL + ACALOS 三表 → 拟合响度函数
├─ 做言语识别预测
│   └─ 取 PTA + 认知 + 人口学 → 回归 GÖSA/DTT
└─ 要人群患病率
    └─ 不要用 OHHR，去 GHS / NHANES / sex-differences-hearing-loss(1008)

附录 E：测量条件对照表（戴/不戴助听器）

测量	助听器使用者	说明
纯音测听	不戴	保证阈值反映真实听功能
ACALOS	不戴	同上
GÖSA	不戴	同上
DTT	不戴	同上
DemTect	戴	需要"最佳听力"理解指令
WST	戴	同上
居家问卷	不适用	居家自填
SF-12	不适用	居家自填

这张表是分析前的必查项：它决定了"认知-听力相关"是否被助听器效应部分中介。

附录 F：ACALOS 响度函数拟合骨架（示意）

import numpy as np

def fit_loudness(levels_db, cu_values, method="stevens"):
    """levels_db: 每次试次的呈现电平; cu_values: 对应响应(0-50)"""
    x = np.asarray(levels_db, dtype=float)
    y = np.asarray(cu_values, dtype=float)
    # 只保留"听到"以上的点（0 cu = 未听到，不参与斜率估计）
    mask = y > 0
    if mask.sum() < 4:
        return None                      # 试次不足，拒绝拟合
    x, y = x[mask], y[mask]
    if method == "stevens":
        # 幂函数: cu = a * (p/p0)^b  -> log 线性化
        b, loga = np.polyfit(np.log(x), np.log(y), 1)
        return dict(slope=b, intercept=float(np.exp(loga)))
    # 阶梯法: 在 5/15/25/45 cu 处取电平，斜率 = Δcu / ΔdB
    return dict(slope=float(np.polyfit(x, y, 1)[0]))

注意三点：一是 0 cu 试次必须剔除，否则斜率被拉平；二是试次少于 4 个时应拒绝拟合而不是硬算；三是阶梯法与幂函数法的斜率不在同一量纲，跨研究比较前必须确认拟合方法（坑 6 的衍生问题）。

附录 G：常见分析工作流（伪代码）

1. 加载 subject 表 -> 得到 subject_id 列表与人口学
2. 加载 audiogram 表 -> 按 (subject_id, ear, freq) 透视成宽表
3. 计算 PTA4（500/1000/2000/4000 均值，分耳）
4. 加载 loudness 表 -> 按 (subject_id, ear, freq) 聚合成 slope/intercept
5. join 步骤 3 与 4（键: subject_id, ear, freq）
6. 加载 speech 表 -> GÖSA SRT / DTT SRT（分耳或双耳合并，按 schema）
7. 加载 cognitive 表 -> DemTect / WST
8. 加载 questionnaire -> SF-12 PCS/MCS、技术准备度、SWI
9. 合并为 analysis-ready 宽表（每行一个受试者）
10. 缺失报告 -> 插补或剔除，记录策略

附录 H：许可证细读

条款	内容	实务含义
署名（BY）	须给出作者、标题、来源、许可链接、是否修改	论文与产品中都要写
共享	可复制与再分发	可上传到内部数据平台
改编	可修改、可商用	可做特征工程后商用
无附加限制	不得对下游再加限制	不能写"仅限研究"
无担保	按原样提供	用于临床决策需自行验证

附录 I：版本链登记表

版本	DOI 后缀	记录标题用词	备注
首发	14177902	Record	论文引用版
旧名	14177903	Repository	data.zip 5.4 MB
中间	15727482	Record	索引可见
v1.3.0.0	16919812	Record	外部研究常用引用
中间	19664499	Record	索引可见
v1.5.0.0	21030397	Record	2026-06-29 发布，data.zip 10.8 MB

附录 J：双口径登记表

编号	口径 A	口径 B	采信
1	Record（论文/新版本）	Repository（14177903 旧版）	采 Record
2	data.zip 5.4 MB（旧）	data.zip 10.8 MB（v1.5.0.0）	按版本分别陈述
3	581 人（本体）	1,127（Xu 扩展）/ 847（校准子集）	本体采 581
4	气导 125-8000 Hz（论文方法）	11 频点 0.25-8 kHz（外部综述）	采论文方法口径
5	八项测试 37 参数（特征口径）	原始逐试次记录	分别陈述

附录 K：与本库 sex-differences-hearing-loss（rid 1008）的关系声明

1. 不同国家、不同团队、不同抽样机制：韩国大邱健康筛查人群 vs 德国奥尔登堡听障志愿者。
2. 测量层数不同：前者仅纯音听阈（六频段），后者四层测量。
3. 用途不同：前者建参考值，后者做个体级多测量关联。
4. 不得合并、不得互相当作验证集，除非明确说明"跨人群迁移"这一研究设计本身。

附录 L：缩写速查

缩写	全称	中文
OHHR	Oldenburg Hearing Health Record	奥尔登堡听力健康档案
HZO	Hörzentrum Oldenburg	奥尔登堡听力中心
PTA	Pure-Tone Audiometry	纯音测听
HL	Hearing Level	听力级
SPL	Sound Pressure Level	声压级
UCL	Uncomfortable Loudness Level	不适响度级
CLS / ACALOS	(Adaptive) Categorical Loudness Scaling	（自适应）分类响度缩放
cu	categorical unit	分类单位
SRT	Speech Reception Threshold	言语接受阈
SNR	Signal-to-Noise Ratio	信噪比
GÖSA	Göttinger Satztest	哥廷根句子测试
DTT	Digit Triplet Test	数字三元组测试
WST	Wortschatztest	词汇量测验
SF-12	12-Item Short Form Survey	健康调查简表
PCS / MCS	Physical / Mental Component Summary	躯体/心理成分得分
SWI	Scheuch-Winkler Index	舍赫-温克勒社会经济指数
GDPR	General Data Protection Regulation	通用数据保护条例
GHS	German Health Survey	德国健康调查

附录 M：本条目生产档案

项	内容
代理	agent-f-ohhrhearin
开工时间	2026-10-17T11:31
查重结论	DB 无同名；库内仅 1008 同域
核验来源	Sci Data 论文全节选（PMC 镜像）、Zenodo 21030397 记录页、NLM Dataset Catalog、OpenAIRE、Institut Pasteur 研究页、medRxiv 预印本
网络预算	WebSearch 2 次 / WebFetch 3 次（未超限）
分片	5 片私有区
双口径	5 条，见附录 J

附录 N：基于本数据集的研究检查清单（10 项）

1. 引用版本号与 DOI 是否写明？
2. 是否声明 581 而非下游口径？
3. 是否声明"非人群代表样本"？
4. PTA4 计算是否按四频？
5. CLS 拟合方法是否写明（阶梯/BTUX/幂函数）？
6. join 后行数是否核对？
7. 助听器佩戴条件是否区分？
8. SF-12 缺失处理是否声明？
9. k=4 是否影响亚组样本量？
10. 是否避免把 DemTect 当诊断标签？

附录 O：检索路径示范

目标	推荐查询
找官方页	OHHR Oldenburg Hearing Health Record Zenodo
找论文	site:nature.com s41597-025-05884-y 或直接 DOI
找预印本	medRxiv 2025.03.30.25324761
找下游用法	OHHR auditory profiling / OHHR calibration offset
避开旧名	同时检索 Hearing Health Repository

尾注

1. 本文所有医学/听力学参数均转述自 Scientific Data 论文方法节与 Zenodo 元数据，未做二次测量或换算。
2. 论文在 nature.com 的页面受访问验证限制，本条目核验使用 PMC 镜像节选与 medRxiv 预印本 v3 全文片段互证；两处参数一致。
3. "八项测试 37 个参数"来自外部综述的转述，本条目在 §7.4 与坑 6 中已标注其为特征口径。
4. 库内互链 rid 均于 2026-10-17 经 ai_ready_dataset（status=1 AND del_sign=0）实查确认。
5. 若需引用本条目，建议同时引用论文与 Zenodo 记录，以同时锁定方法与数据版本。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• sex-differences-hearing-loss — 共享标签：生理信号 / 队列研究 / 调查数据 / 电子健康记录 / 公共卫生与流行病学
• charls — 共享标签：队列研究 / 调查数据 / 电子健康记录 / 公共卫生与流行病学
• b2ai-voice-pediatric — 共享标签：生理信号 / 调查数据 / 语音信号 / 公共卫生与流行病学
• our-future-health — 共享标签：队列研究 / 调查数据 / 电子健康记录 / 公共卫生与流行病学
• addhealth — 共享标签：队列研究 / 调查数据 / 电子健康记录 / 公共卫生与流行病学
• share — 共享标签：队列研究 / 调查数据 / 电子健康记录 / 公共卫生与流行病学
• coswara — 共享标签：生理信号 / 语音信号 / 公共卫生与流行病学
• mdvr-kcl — 共享标签：生理信号 / 语音信号 / 公共卫生与流行病学
• hrs — 共享标签：队列研究 / 电子健康记录 / 公共卫生与流行病学
• shhs — 共享标签：生理信号 / 队列研究 / 电子健康记录

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。