Journal of Voice, Vol. ■■, No.
■■, 2016
EVALUACIÓN DE LA VIBRACIÓN VOCAL CON IMAGEN LARÍNGEA.
Configuración: Confiabilidad de evaluación
usuarios confían
videoendoscopía de alta velocidad que los médicos consideran que el HSV
Bruce J. Poburka, †Rita R. Patel, and ‡Diane M. Bless, todavía es Minnesota,
‡Madison, Wisconsin
Introducción
La estroboscopía y videoendoscopía de alta
velocidad (HSV) revela información sobre la
compleja interacción entre las estructuras
laríngeas, fuerzas aerodinámicas, la mecánica
de los tejidos y patrones de uso muscular. En
teoría, los resultados obtenidos de la mecánica
vibratoria desde la estroboscopía y HSV,
pueden ser evaluados cuantitativa y
cualitativamente, sin embargo, tienen sus
limitaciones. Las evaluaciones cuantitativas del
videoestroboscopía y HSV están disponibles,
pero no han sido ampliamente adoptados en la
clínica, ya que el software desarrollado a
medida no está disponible y es demasiado
lento para la mayoría de las prácticas clínicas
diarias. La evaluación cualitativa, está llena de
problemas debido a la falta de estándares para
la comparación intra e inter institucional y los
juicios intra e interdisciplinarios.
Sin embargo, para propósitos clínicos, los
juicios cualitativos son utilizados
frecuentemente. La evaluación de la imagen
laríngea, a través de la vía visual-perceptual de
los marcadores anatómicos y los parámetros
de movimiento que reflejan tanto la estructura
como la función de los pliegues vocales,
continúa siendo comúnmente utilizada.
Aunque, muchas formas visual-perceptuales
se han desarrollado a priori como un
instrumento para calificar la
videoestroboscopía, casi ninguna existe para
HSV. Esto se puede deber quizás, a que la
tecnología del HSV es usada con menos
frecuencia que la videoestroboscopía, que los
1
estroboscópica
y de
en el software cuantitativo, o
*Mankato, experimental. Sin importar
†Bloomington, la
Indiana, and
justificación subyacente, la falta de
estandarización es una problemática, ya que el
HSV se está utilizando cada vez más en
clínicas de voz como un medio para superar
algunos de los desafíos que surgen de la
videoestroboscopía, como la mala resolución
temporal y la pobre extracción del tono o el
rastreo de las voces severamente alteradas. El
aumento de la resolución temporal del HSV en
comparación con la estroboscopía (por
ejemplo, 8000 pfs frente a 30 fps), puede
utilizarse para capturar fenómenos vibratorios
en individuos con trastornos graves de la voz.
Sin embargo, sin estándares y confiabilidad de
calificación, el potencial de HSV para superar
las fallas estroboscópicas no puede ser
completamente realizado. Se acepta, que para
que las clasificaciones perceptuales visuales
sean significativas, deben alcanzar niveles
satisfactorios de inter e intra confiabilidad. Se
dice que numerosos factores relacionados con
el evaluador- y escalas psicométricas- influyen
en las clasificaciones visuo-perceptuales de la
imagen laríngea; sin embargo, solo unos pocos
han sido sometidos a investigaciones
empíricas para una clasificación visoperceptiva
en la videoestroboscopía. Por razones de
investigación, Rosen, evaluadores limitantes
sugestivos para individuos con una
confiabilidad mayor que 0.80 interevaluador, y
que se tome en cuenta la evaluación
estadística previa al estudio de la variabilidad
de los datos. Clínicamente, se ha mencionado
que la capacidad de las valoraciones
visoperceptuales han mejorado con una serie

de factores, como el uso de un formulario de
calificación computacional, el uso de un
método de rastreo de grillas calibrado, y
mediante el control de factores como la
descripción clara de los parámetros de imagen
y un entrenamiento al evaluador. Poburka y
Bless, mencionan que después de 4 a 5 horas
entrenamiento con una calificación
computarizada, los sujetos sin experiencia
previa con la calificación de videos
estroboscópicos completaron clasificaciones
que se correlacionaron altamente con las de
los expertos. A pesar de décadas de uso de la
videoestroboscopía en la clínica, todavía
existen estándares para los parámetros de
calificación o confiabilidad del juicio clínico, ya
que las formas existentes varían en la
combinación de los parámetros utilizados. Las
escalas de clasificación que usan los
formularios también varían desde ser una
escala de calificación de tres puntos hasta ser
una escala de calificación de cinco puntos.
Además, los formularios disponibles están
limitados por la falta de una definición clara de
los parámetros de la imagen, la capacitación
estructurada y el sesgo del observador.
Para un mejor entendimiento, la literatura es
escasa sobre el desarrollo de formas de
clasificación visoperceptuales y aspectos
relacionados con mejorar la confiabilidad de
clasificación utilizando video de alta velocidad.
El HSV ha sido utilizado para evaluar las
características vibratorias en sujetos sanos y
en varias patologías vocales; y para diferenciar
a individuos con voz sana de aquellos con
patologías vocales, pero la confiabilidad de
una calificación cualitativa ha variado
ampliamente, así como los juicios perceptivos
de la evaluación auditiva. Se requiere un alto
grado de confiabilidad para la generalización
de los hallazgos. Aunque, puede haber
múltiples factores que contribuyen a la
varianza, dos factores probables son (1) los
parámetros de calificación, que a menudo
2
Journal of Voice, Vol. ■■, No. ■■, 2016
fueron escogidos de aquellos acostumbrados a
valor por videoestroboscopía, a pesar que las
diferencias resultantes desde el mejoramiento
de la resolución que dicta diferencias en la
observación; y (2) evaluadores, quienes a
menudo tienen una formación de observación
limitada para utilizar HSV. En consecuencia,
mantenemos que el primer paso en la
investigación sistemática de los factores que
influyen en las clasificaciones perceptuales
visuales del HVS, es el desarrollo de una
forma estandarizada y la capacitación del
evaluador. Una vez que sean logrados,
estudios consecuentes podrían investigas
factores específicos de influencias como el tipo
de patología, la experiencia clínica y la
información concurrente obtenida del historial
clínico y la señal auditiva.
Para mitigar los problemas discutidos
anteriormente, en este documento, una nueva
forma de calificación y un protocolo de
capacitación que incorpora clasificaciones
visoperceptuales tanto de la
videoestroboscopía como el HSV. Esta nueva
herramienta visoperceptuales se denomina
“Protocolo de evaluación de la voz vibratoria
con imágenes laríngeas” (VALI). El protocolo
VALI fue desarrollado como una actualización
del “Protocolo de examinación
estroboscópica”. El protocolo y el
entrenamiento son inseparables. Juntos, tienen
una serie de características que están
destinadas a mejorar la confiabilidad de las
clasificaciones tanto para la estroboscopía
como para el HSV. Para cada parámetro de
calificación, las características del protocolo
VALI son: (1) una definición de lo que se está
valorando, (2) instrucciones de calificación que
es exclusiva del parámetro, (3) gráficos de alta
calidad para ilustrar el fenómeno estructural o
vibratorios que se está evaluando, y (4)
muestras de video (utilizadas con
capacitación). El propósito del estudio actual,
fue evalúa la confiabilidad de calificación entre

e intra evaluadores que utilizan el protocolo y
entrenamiento para utilizar videoestroboscopía
y videos en alta velocidad. El propósito del
estudio es valorar la confiabilidad en la
evaluación utilizando el VALI intra e inter
evaluador con videoestroboscopía y HSV. La
confiabilidad inter e intra evaluador fue
evaluada secuencialmente obteniendo
grabaciones de videoestroboscopía y HSV
siguiendo los siguientes parámetros: amplitud,
onda mucosa, porción no vibratoria, actividad
supraglótica, fase de cierre, simetría,
periodicidad, cierre glotal, nivel de verticalidad,
y contorno libre de la cuerda vocal.
Método
Un total de 30 (hombre=10, mujeres=19, niños
=1) participantes con disfonía proporcionar
muestras de videos para el estudio. Los
participantes con disfonías fueron reclutados
por la Universidad Clinica de fisiología vocal de
Kentucky e laboratorio de imagen, posterior a
la finalización de la junta de revisión
institucional aprobó los formularios de
consentimientos informados. El rango de edad
de los participantes fue entre 10 y 80 años, con
una media de edad de 49.8 años. Table 1
característica de los participantes en términos
de edad, género, y patología vocal. Se realizó
una evaluación inicial acústica perceptual a los
participantes a través del GRBAS (Grado,
Ronquera, soplosidad, astenia y tensión).
Cada parámetro del GRBAS fue calificado
utilizando una escala de 4 puntos donde 0=
normal, 1= leve anormalidad, 2= anormalidad
moderada, y 3= anormalidad severa. Los
participantes fueron colocados en diferentes
grupos dependiendo del grado de su disfonía
(G): 0, n=3; grado 1, n=6; grado 2, n=9; y
grado 3, n=12. Los participantes con un grado
0 tienen quejas principalmente de esfuerzo
vocal, fatiga vocal, o dificultad con las notas
altas al cantar.
Las grabaciones de videoestroboscopía y HSV
3
Journal of Voice, Vol. ■■, No. ■■, 2016
fueron capturadas utilizando PENTAX Medical
(Montvale, NJ) modelo RLS 9100b
(estroboscopio con cámara) y 9710 (sistema
de video de alta velocidad con cámara)
respectivamente. Las grabaciones se
capturaron mientras los participantes
realizaban la fonación de una /i/ sostenida en
su tono e intensidad habitual. Un endoscopio
rígido de 70 grados fue utilizado para hacer las
grabaciones. No fue utilizada anestesia local
por ningún participante. Las grabaciones con
videoestroboscopía fueron capturadas en 30
cuadros por segundos con resolución espacial
de 640x480 pixeles, mientras que la grabación
en blanco y negro con HSV fue capturada en
4000 cuadros por secundo con una resolución
espacial de 256x512 pixeles. Las grabaciones
en HSV fueron capturadas utilizando cámara
en blanco y negro en vez de cámara a color.
Las grabaciones de HSV y de
videoestroboscopía fueron capturadas durante
la misma visita utilizando: las mismas
instrucciones, posición física, y endoscopio.
Evaluadores
Basado en el poder de análisis, se determinó
que era necesario que los evaluadores
tuvieran el poder suficiente para abordar las
preguntas planteadas. El poder de análisis
indica que existe un 80% de posibilidad de
detectar una diferencia significativa de 0.05 de
nivel de significancia con nueve evaluadores.
Nueve patólogos de lenguaje y habla fueron
reclutados para servir como evaluadores.
Estos profesionales evaluaron inicialmente el
patrón vibratorio de las cuerdas vocales,
incluyendo los movimientos, la sincronización
del patrón y juicio sobre el cierre glotal.
Además, pudieron necesitaron muchas horas
para completar el entrenamiento y las
clasificaciones. El promedio de experiencia de
los evaluadores con imagen laríngea fue de
 Journal of Voice, Vol. ■■, No. ■■, 2016

Evaluación de la voz-vibratoria con imágenes laríngeas (VALI)- estroboscopia

Poburka, B., Patel, R., y Bless, D. 2016
Caso #: Confirmar caso #:

4
 Journal of Voice, Vol. ■■, No. ■■, 2016

12.8 años, con un rango entre 2-25 años.

Ninguno de los autores participo como
evaluador para el estudio. Antes de participar
en el estudio, la experiencia de los

5
 Journal of Voice, Vol. ■■, No. ■■, 2016
evaluadores evaluaciones visuo perceptual fue aprobación antes de participar en el estudio.

exclusiva con videoestroboscopía; ninguno

tenía experiencia con el HSV. Todos los
evaluadores completaron un consentimiento de
6
 Journal of Voice, Vol. ■■, No. ■■, 2016

7
 Journal of Voice, Vol. ■■, No. ■■, 2016

8
 Journal of Voice, Vol. ■■, No. ■■, 2016

Entrenamiento a los evaluadores

Un grupo de entrenadores fueron los
encargados de entrenar a los evaluadores para
usar el VALI. Dos tipos de entrenamientos
9
 Journal of Voice, Vol. ■■, No. ■■, 2016
estuvieron disponibles: uno fue presencial, y basada en los parámetros sugeridos en la
otro fue realizado vía online a través de video literatura y que se utilizan habitualmente al
conferencia. 5 evaluadores realizaron el realizar calificaciones visoperceptuales. La
entrenamiento presencial, mientras que 3 duración del entrenamiento duro entre 2 a 2,5
completaron el entrenamiento online, y un horas.
evaluador completó su entrenamiento con una
Proceso de Evaluación
combinación de ambas formas.
Independientemente de la forma, en ambas se Los evaluadores fueron cegados al diagnóstico
utilizó materiales idénticos, los mismos y a la clasificación del GRBAS y fueron no
expositores, y similar duración de las sesiones. fueron familiarizados con la forma de
calificación antes del entrenamiento. Las
El entrenamiento requirió definir cada
evaluaciones se realizaron en fonaciones
parámetro, proporcionando muestras de videos
sostenidas. Para hacer que los videos sean lo
de los puntos finales para cada característica
más comparables posibles, la fonación
tanto para estroboscopía como para el HSV,
sostenida de un tono y volumen habitual fue
entregando instrucciones para el uso del VALI,
segmentada tanto en las grabaciones
y oportunidades para realizar preguntar en una
estroboscópica como en las de HSV. Todas las
discusión abierta acerca del proceso de
grabaciones tenían una vista completa de la
evaluación. Por cada parámetro, a los
glotis sin obstrucción epiglótica.
evaluadores se les proporciono una definición
y un video como ejemplo del final de cada
punto para cada característica.

Los parámetros escogidos para la clasificación

estroboscópica y la grabación de HSV fue
10

Al concluir el entrenamiento, se les
proporcionó a los evaluadores un folleto con la
calificación de cada caso, las instrucciones
para acceder a los videos en línea a través de
un enlace seguro, sugerencias para entorno de
evaluación y ritmo, e información de contacto
del investigador principal.
Las grabaciones HSV tienen una reproducción
estimada de 20 cuadros por segundo, mientras
que la grabación estroboscópica fue de 30
cuadros por segundo. Ya que la vista del HSV
requiere de un cuadro más lento, es imposible
colocar simultáneamente el audio con
grabaciones en HSV de 20 cuadros por
segundos. Por lo tanto, para poder realizar
grabaciones comparables entre el HSV y la
videoestroboscopía el audio de este último
fueron desactivados.
La eliminación del audio de la
videoestroboscopía también evitaría cualquier
influencia o sesgo adverso de la calidad de la
voz durante evaluación visoperceptuales de las
características vibratorias.
Los evaluadores accedieron a los videos vía
online desde una página segura que les fue
otorgada solo a ellos. Había 30 voces no
11
Journal of Voice, Vol. ■■, No. ■■, 2016
identificadas y al azar con desordenes vocales.
Ninguno de los casos fue repetido durante las
sesiones de entrenamiento. Cada caso
consiste en un par de videos, un que fue
grabado con estroboscopio y otro con HSV,
resultando un total de 60 videos. La
presentación de los 60 archivos fue aleatoria.
Los evaluadores evaluaron un total de 66
secuencias de videos aleatorios. Para
propósitos de confiabilidad de intrajueces, el
10% (3 casos, 6 videos) fueron repetidos y
distribuidos aleatoriamente entre los 60 videos,
resultando un total de 66 videos. Se
proporcionaron dos formularios por separado
para cada uno de los 33 videos, un formulario
para la videoestroboscopía y el otro para las
grabaciones de HSV. Los siguientes
parámetros fueron evaluados para la
calificación de las grabaciones de
videoestroboscopía: cierre glótico, amplitud,
onda mucosa, nivel de verticalidad, porción no
vibratoria, actividad supraglótica, contorno libre
de la cuerda vocal, periodicidad, simetría, y
fase de cierre. La clasificación de HSV se
realizó en los siguientes parámetros: cierre

glotal, onda mucosa, amplitud, nivel de
verticalidad, porción no vibratoria, actividad
supraglótica, contorno libre de la cuerda,
periodicidad del ciclo glotal, simetría, y fase de
cierre. También ambos formularios proveen de
un espacio para informar observaciones no
vibratorias (varices, edema, hemorragia, etc) y
cualquier tipo de observación que no necesite
análisis estadístico ya que el objetivo del
estudio fue evaluar la confiabilidad inter e intra
evaluador en nueve parámetros reportados
comúnmente en la estructura y función del
plegamiento vocal. Por cada parámetro, el
formulario provee una pequeña definición,
gráfico en alta calidad, y/o una secuencia de
imágenes sacadas desde el video. El protocolo
de estroboscopio está en color, mientras que el
HSV está blanco y negro acorde a la grabación
que también será de las mismas tonalidades.
En los casos en que los evaluadores no
pudieron especificar los parámetros porque el
estroboscopio presentaba errores o había
alguna obstrucción fisiológica (compresión de
las bandas ventriculares, adelantamiento de
los aritenoides, etc.) los evaluadores fueron
instruidos para escribir “no se puede observar”
para especificar el parámetro.
Las clasificaciones fueron hechas a su propio
ritmo hasta que todas las clasificaciones fueron
hechas. El periodo de clasificación no fue
regulado; el tiempo desde el entrenamiento
hasta la finalización de las calificaciones osciló
entre varias semanas y varios meses
dependiendo del evaluador. Si se encontraron
preguntas de calificación o dilemas, se ordenó
a los evaluadores que contactaran a los
autores para aclarar los procedimientos de
calificación, pero no se proporcionó ningún
asesoramiento específico de un caso. Solo uno
de los evaluadores tuvo una pregunta: uno
relacionado con la incertidumbre de larga data
12
Journal of Voice, Vol. ■■, No. ■■, 2016
del evaluador sobre la evaluación de la onda
mucosa y otro que buscaba aclaraciones sobre
la naturaleza de la calificación de la porción
vibratoria.
Análisis estadísticos
Todas las calificaciones fueron ingresadas a
una hoja de cálculo utilizando Excel Microsoft.
Para los parámetros con dato de escalas
(amplitud, onda mucosa, porción no vibratoria,
actividad supraglótica, simetría y periodicidad
de las cuerdas vocales), fueron ingresadas
directamente sin modificaciones. Para
parámetros con datos nominales (cierre glotal,
nivel de verticalidad, y contorno libre de la
cuerda vocal), fueron convertidas utilizando un
esquema de codificación para facilitar el
análisis estadístico. El esquema de
codificación asignado fue un número a cada
posible calificación. Por ejemplo, una
calificación de cierre glotal “completo” se
codificó con el número 1. En el parámetro de
fase de cierre se requiere que los evaluadores
deben colocar una marca # a lo largo de una
escala continuo que va des “predomina la fase
abierta” hasta “predomina la fase cerrada”.
Para convertir la localización de la marca a la
escala de datos, se creó una superposición
transparente para permitir la localización de la
marca y convertirla en número. La escala
sobre superposición califica desde +10
(predomina la fase de cierre) a -10 (predomina
la fase de apertura). El punto medio de la
escala fue cero, el cual corresponde a “casi
igual”.
Las calificaciones para la confiabilidad de
intrajueces fue evaluado usando el programa
SPSS Statistics 22 (IBM, Armonk, NY). Los
parámetros de amplitud, onda mucosa, porción
no vibratoria, actividad supraglótica, fase de
cierre, simetría, y regularidad producida en una
escala de datos. Fueron evaluados con
correlación intraclase (ICC). Estas estadísticas
se eligieron para medir la confiabilidad entre

los nueve evaluadores porque analiza los
datos que están estructurados como grupo y
no como observación pareada.
Las calificaciones del cierre glotal, nivel de
verticalidad, y contorno libre de la cuerda
vocal, producen datos nominales. En
consecuencia, la estadística de Fleiss kappa
fue utilizada porque medie la confiabilidad de
las calificaciones para un número fijo de
evaluadores que están asignando sus
observaciones a las categorías. La
confiabilidad intra jueces fue evaluada con el
estadístico Spearman rho para parámetros con
datos de escala. Spearman rho en una prueba
no paramétrica que no supone que los datos
se distribuyan normalmente como fue el caso
en este estudio. Los parámetros con datos
nominales requerían una prueba no
paramétrica. En consecuencia, se evalúo el
acuerdo entre jueces utilizando el porcentaje
de concordancia. Este es un recuente simple
de la frecuencia con que los jueces lograron un
acuerdo exacto con ellos mismos al calificar el
mismo caso dos veces.
13
Journal of Voice, Vol. ■■, No. ■■, 2016
Resultados
En el estudio actual, el 40%-85% de los casos
involucró dificultad de calificación donde uno o
más evaluadores no pudieron calificar un
parámetro (indicado “no se puede observar”)
debido a errores de seguimiento del
estroboscopio u obstrucciones resultantes de
anormalidades o compensaciones. Cuando un
evaluador es incapaz de completar una
calificación, the ICC requiere omisión del c aso
desde el análisis, por la falta de valores en al
menos uno de los parámetros. La eliminación
de listas redujo el tamaño de la muestra para
la confiabilidad entre jueces. El tamaño de
muestra reducido, aumentó el ancho del
intervalo de confianza. Para los parámetros
seleccionados, el IC fue demasiado amplio
para permitir una interpretación válida o las
correlaciones deben interpretarse con
precaución. Los cuatro parámetros afectados
fueron (1) amplitud (izquierda y derecha), (2)
onda mucosa (izquierda y derecha), (3)
actividad supraglótica (mediolateral), (4)
porción no vibratoria (izquierda). La
confiabilidad entre jueces para los parámetros
con datos de escala varió de 0.57 a 0.96 para
la estroboscopia y de 0.81 a 0.94 para el HSV.
Los parámetros de HSV (n = 11) con
datos de escala mostraron ICC que eran
muy fuertes, lo que indica un fuerte
acuerdo entre los evaluadores. Con la
estroboscopia, la amplitud (derecha), la
onda mucosa (derecha) y la onda mucosa
(izquierda) mostraron una ICC moderada;
la amplitud (izquierda), la parte no
vibratoria (izquierda) y la actividad
supraglótica (mediolateral) mostraron
una fuerte ICC; y el resto de los
parámetros mostró ICC muy fuerte. La

significación estadística (P
alcanzado para todos los
independientemente del
imagen, indicativo de
(conformidad) de las
Journal of Voice, Vol. ■■, No. ■■, 2016
≤ 0.05) fue valores moderados de la correlación de
parámetros Spearman rho coeficiente, mientras que
método de la correlación fue fuerte para el
consistencia parámetro de la parte no vibratoria
(derecha) y fue muy fuerte para el
parámetro de la parte no vibratoria
(izquierda). Para los parámetros con
datos nominales (n = 4), el porcentaje de
concordancia varió del 44% al 78% para
la estroboscopia y del 52% al 89% para
HSV.

mediciones realizadas por múltiples

evaluadores. Para los parámetros
nominales (n = 5), las correlaciones
variaron de 0.18 a 0.35 para la
estroboscopia y de 0.13 a 0.33 para HSV.
Las correlaciones de confiabilidad intra-
juez para los parámetros con datos de
escala (n = 11) variaron de 0.19 a 0.87
para la estroboscopia y de 0.28 a 0.85
para el HSV. La significación estadística
(P ≤ 0.05) se logró para 7 de 11
parámetros en estroboscopia, mientras
que se alcanzó la significación para 9 de
11 parámetros para HSV. En la
estroboscopia, cinco de los siete
parámetros (amplitud-derecha, amplitud-
izquierda, onda-derecha de la mucosa,
cierre de fase y regularidad) alcanzaron
14

Discusión
Este estudio reveló que la forma y el
entrenamiento de VALI pueden usarse para
hacer juicios clínicos confiables de al menos 8
de 15 parámetros en estroboscopia y 11 de 15
parámetros en grabaciones de video de alta
velocidad. En comparación con
estroboscopia, HSV tuvo niveles más altos de
confiabilidad entre jueces y jueces
intraparoscópicos para casi todos los
parámetros. Este hallazgo es similar al
hallazgo de un mayor acuerdo entre jueces
para el VHS (54%) en comparación con la
videoestroboscopía (42%) informado por
Olthoff et al. Olthoff et al no informaron la
confiabilidad intrajueces.
Además, los valores de interjueces e
intrajueces la confiabilidad en este estudio es
Journal of Voice, Vol. ■■, No. ■■, 2016
más alta que la de nuestro estudio anterior que
compara videoestroboscopía con HSV. Este
hallazgo único de alta confiabilidad intra e intra
juez de HSV en comparación con la
videoestroboscopía se puede atribuir a una
formación específica y a definiciones claras de
los parámetros en el formulario. En Patel et al,
23 un total de 126 participantes (252 videos)
fueron evaluado usando clasificaciones
visoperceptuales por tres evaluadores para
investigar el valor clínico de HSV. A pesar de
que Patel et al, el estudio tenía un mayor
número de casos, las formas de calificación
eran simples escalas de calificación analógica
categórica o visual en blanco y negro sin
definiciones claras en los formularios de
calificación. Además de la claridad de la forma
de calificación, la mayor confiabilidad en este
estudio podría atribuirse a una mayor tasa de
muestreo de 4000 fps en comparación con
2000 fps en el estudio de Patel et al. Deliyski et
al37 informaron que la clasificación visual-
perceptual del parámetro "borde glotal" no fue
afectados a tasas de fotogramas de 4000 o
más, y los parámetros de onda mucosa,
aperiodicidad y contacto de pliegue vocal se
vieron afectados mínimamente entre 4000 y
5333 fotogramas por segundo, en un estudio
en el que tres evaluadores evaluaron a 14
pacientes y 14 controles con HSV en
la
reproducciones de 60 y 30 fps. Aunque existen
diferencias sutiles en la definición de los
parámetros entre el estudio actual y el estudio
de Deliyski et al 37, se obtuvo una alta
confiabilidad intraevaluador comparable para la
onda mucosa, la regularidad y cierre glotal en
el estudio actual utilizando HSV capturado a
4000 fps con una reproducción de 20 fps. En el
estudio actual, cuando se comparó el HSV con
la estroboscopia, hubo considerablemente
menos casos en los que los evaluadores no
pudieron evaluar un parámetro cuando usaron
15

HSV. Es probable que la discrepancia esté
relacionada con las diferencias en la forma en
que las dos técnicas obtener imágenes. Con
HSV, no hay dependencia de la extracción de
tono, y la resolución temporal es muy alta. Con
la estroboscopia, el seguimiento adecuado
depende de la extracción exacta de tono, y la
resolución temporal es menor porque las
imágenes se obtienen mediante muestreo. En
consecuencia, la estroboscopia es más
propensa a los problemas cuando la disfonía
moderada a grave o severa interfiere con el
seguimiento. En este estudio, cuando tres o
más evaluadores no pudieron evaluar al
menos un parámetro mediante estroboscopia,
el grado general promedio de disfonía en la
escala GRBAS fue de 2.92, lo que
corresponde a disfonía moderada a severa o
severa. El corte de tres o más evaluadores de
un total de nueve evaluadores se determinó
empíricamente para calcular el grado general
de disfonía, ya que sería poco probable que
factores únicos de un evaluador individual
pudieran ser un factor para la calificación "no
se podía evaluar". parámetros con instancias
más altas de dificultad de calificación en
estroboscopia eran la onda de la mucosa
(izquierda y derecha), la parte no vibratoria
(izquierda y derecha), la amplitud (izquierda y
derecha), el cierre de fase, la simetría y la
regularidad. Estos parámetros reflejan todos
los aspectos dinámicos del movimiento
vibratorio de los pliegues vocales en
comparación con los parámetros estáticos
como borde vibratorio y son consistentes con
los hallazgos reportados por Patel et al, lo que
sugiere que el HSV podría ser mejor que la
estroboscopia para evaluar la onda mucosa, la
amplitud, el cierre de fase, la periodicidad y la
flexibilidad del tejido en casos con disfonía
severa. Cuando la dificultad de clasificación se
experimentó con el VHS, el grado promedio de
16
Journal of Voice, Vol. ■■, No. ■■, 2016
disfonía en la clasificación GRBAS para los
casos difíciles de clasificar fue 1,75, lo que
sugiere que las dificultades no fueron creadas
por disfonía severa.
De hecho, los parámetros con las instancias
más altas de dificultad de clasificación fueron
la actividad supraglótica-mediolateral y
anteroposterior. En estos casos, la experiencia
previa con la estroboscopia puede haber
introducido algún sesgo sobre cómo se juzgó
la compresión supraglótica. Con la
estroboscopia, el video se puede reproducir en
tiempo real, mientras que debido a la alta
resolución temporal de HSV, los videos deben
verse a una velocidad de reproducción lenta de
10 a 30 fotogramas por segundo. Esta alta
resolución temporal de HSV puede haber sido
un obstáculo, porque los movimientos de las
estructuras supraglóticas son muy lentos en
comparación con movimiento de la cuerda
vocal. En consecuencia, la actividad
supraglótica puede no ser aparente porque se
necesitarían muchos cuadros de video para
apreciar el movimiento lento de las estructuras
supraglóticas. Además, debido a que la
experiencia previa de los evaluadores fue solo
con estroboscopía, el movimiento muy lento
estructuras supraglóticas pueden haber sido
una desviación espectacular de su experiencia
previa y las expectativas de cómo se ve el
movimiento supraglótico, lo que sugiere que se
incluyan instrucciones adicionales en la
capacitación sobre este parámetro.
Comparado con estudios previos que
evaluaron videoestroboscopía las formas de
calificación, se lograron correlaciones más
fuertes usando el VALI, en particular para los
parámetros de cierre de fase y
regularidad18,20. Poburka y Bless18
informaron correlaciones de 0,54 y 0,71 para el
cierre de fase y la regularidad,
respectivamente. En el estudio actual, las
correlaciones fueron 0.88 y 0.96. Rosen20

informó una correlación de 0.58 para la
duración (cierre de fase en el estudio actual) y
correlaciones de 0.37 y 0.46 para la
periodicidad de los dobleces vocales derecho e
izquierdo, respectivamente (regularidad en el
estudio actual). Debido a que todos estos
estudios emplearon alguna forma de
entrenamiento, postulamos las correlaciones
más fuertes en el estudio actual puede
deberse, al menos en parte, a las ilustraciones
gráficas de VALI y al entrenamiento específico
de la forma. Los gráficos ayudaron a ilustrar
los patrones temporales y temporales
complejos asociados con los parámetros que
se deben calificar. El entrenamiento específico
fue proporcionado antes de la calificación con
discusión para ayudar a asegurar que todos
los evaluadores estuvieran buscando las
mismas características. Además, la presencia
de definiciones claras de parámetros de
formulario de calificación, incluidas las
indicaciones en cuanto a qué tarea facilita la
calificación (p. ej., la tarea de fonación normal
de tono normal para el cierre glotal, pliegues
vocales completamente abducidos para el
contorno de borde libre), podrían ser razones
adicionales para las correlaciones más fuertes
para las calificaciones videostroboscópicas en
comparación con estudios previos.
Inesperadamente, se obtuvieron correlaciones
entre jueces débiles para cierre glotal, nivel
vertical y contorno de borde libre en ambas
técnicas. Debido a que los evaluadores
tuvieron todas sus preguntas abordadas
durante el período de entrenamiento y sintieron
que pudieron calificar estos parámetros, no se
pensó que la discrepancia estuviera
relacionada con el entrenamiento, sino con la
forma en sí misma. Por ejemplo, la baja
correlación para el cierre glotal puede haber
ocurrido porque la forma VALI carecía de una
forma de evaluar el cierre glotal cuando el
patrón de cierre era variable (es decir,
presencia de más de un cierre patrón) 17
17
Journal of Voice, Vol. ■■, No. ■■, 2016
durante el examen. La categoría de "cierre
variable" no fue una de las opciones para los
patrones de cierre glotal. Modificaciones
apropiadas en el formulario de calificación y
capacitación El protocolo debería mejorar las
correlaciones para el cierre glotal. Para el nivel
de verticalidad, las correlaciones se
atribuyeron a variabilidad insuficiente en los
casos de video para este parámetro. Para un
contorno de borde libre, los evaluadores
informaron que este parámetro es difícil de
evaluar porque el entrenamiento exigía que el
borde se calificara durante la abducción del
doblez vocal o respirando. Sin embargo, las
muestras de video proporcionadas para las
clasificaciones no incluyeron ninguna vista de
secuestro y está hecho calificación del
contorno del borde libre difícil. Los parámetros
de la onda mucosa y la parte no vibratoria
tuvieron un gran número de casos en los que
los evaluadores no pudieron calificar un caso,
especialmente para la estroboscopia. Entre el
61% y el 85% de los casos se excluyeron del
análisis para estos parámetros. Esto era
probable debido a problemas con la resolución
temporal y el seguimiento que resultó de una
disfonía grave.21,23 En el estudio actual,
aproximadamente el 40% de los participantes
recibió un grado auditivo perceptual de 3, lo
que indica disfonía severa y 30% presentó
disfonía moderada. En nuestro estudio
anterior, el 100% de los participantes con
disfonía severa y el 64% de los participantes
con disfonía moderada no pudo ser juzgado
visualmente en estroboscopia para parámetros
vibratorios. El estudio actual tuvo un hallazgo
similar. Como se informó anteriormente, el
grado general promedio de disfonía en la
escala GRBAS fue de 2.92 para los casos en
que tres o más evaluadores no pudieron juzgar
al menos un parámetro. Además, cuando un
evaluador no puede completar una calificación,
el ICC requiere la omisión de la calificación
caso del análisis (eliminación en lista), y este

tamaño de muestra reducido. El tamaño
reducido de la muestra contribuyó a CIs más
amplios, por lo tanto, correlaciones para los
parámetros de estroboscopia de amplitud
(derecha), la onda mucosa (izquierda y
derecha) y la parte no vibratoria (izquierda) no
pueden interpretarse válidamente. Del mismo
modo, las correlaciones para la amplitud
(izquierda) y la actividad supraglótica
(mediolateral) deben interpretarse con
precaución (Tabla 5). Además, se podría
argumentar que debido a que se usó la
deleción lista, los casos más difíciles de
clasificar se eliminaron del análisis y las
correlaciones fueron más altas de lo que
serían si todos los casos hubieran sido
incluidos en el análisis. A pesar de un tamaño
de muestra menor, se alcanzó la significación
para la mayoría de los parámetros. Los
estudios futuros deberían requerir la
calificación de todos los casos, incluso si se
requiere un "mejor intento".
Aunque este es un estudio prospectivo, existen
varias limitaciones. Claramente, sería ideal un
número mayor de muestras de video y
evaluadores, incluidos otros usuarios
frecuentes de imágenes laríngeas como
otorrinolaringólogos y profesores de canto. Sin
embargo, esto puede ser difícil de lograr
debido al compromiso del tiempo para el
entrenamiento combinado y la calificación
posterior de los casos. Para este estudio
controlado, los análisis se limitaron a una
fonación sostenida sin audio y cruzaron varios
trastornos y niveles de gravedad. Los casos de
video no incluían tareas de respiración en
reposo ni abducción, y a los evaluadores les
resultó difícil calificar el contorno de libre de la
cuerda vocal. Incluirlos proporcionaría una
mejor gama de tareas para la evaluación de
los diversos estáticos de doblado vocal, así
como características dinámicas. Determinar si
la inclusión de audio con modalidades de
imágenes laríngeas, que simula más de cerca
18
Journal of Voice, Vol. ■■, No. ■■, 2016
la práctica clínica típica, mejora las
calificaciones o introduce un sesgo sería de
interés. En este estudio, no limitamos las
calificaciones a ninguna categoría de
diagnóstico en particular. Futuros estudios
dirigidos a investigar patologías específicas
también podrían ayudar a aclarar por qué
algunos parámetros tenían mayor fiabilidad
que otros. En esto estudio, no limitamos las
categorías de diagnóstico. Futuros estudios
dirigidos a investigar patologías específicas
podrían ayudar a aclarar por qué algunos
parámetros se clasificaron de forma más fiable
que otros e iluminar aún más la utilidad de este
entrenamiento y calificación para mejorar la
confiabilidad de las clasificaciones visual-
perceptuales de las imágenes laríngeas.
Además, investigar las calificaciones según se
relacionan con los niveles de severidad de la
disfonía y/o trastornos específicos podrían
delinear aún más qué forma es la mejor para
calificar los parámetros de movimiento
laríngeo.
Conclusiones
El formulario de evaluación VALI y el protocolo
de capacitación es el primero que puede
usarse para hacer una evaluación confiable
visoperceptuales de la estructura de doblado
vocal y la función de HSV. La nueva forma de
calificación y el protocolo de capacitación se
desarrollaron no solo para evaluación visual
perceptiva del HSV, sino también incluye un
formulario actualizado para la evaluación de la
videoestroboscopía, ya que, en la actualidad,
el uso clínico de rutina del HSV como única
modalidad de imagen está limitado debido a la
limitada disponibilidad comercial de esta
tecnología para uso clínico y la excesiva
cantidad de tiempo requerida para ver los
videos de alta velocidad de cuadro. Además, el
almacenamiento de datos de las grabaciones
de HSV sigue siendo engorroso para una
clínica ocupada debido a su alta velocidad de
 Journal of Voice, Vol. ■■, No. ■■, 2016
fotogramas. El formulario VALI incluye una interinstitucional de los movimientos laríngeos
definición del parámetro que se está tanto del VHS como de los videos
evaluando, instrucciones de calificación para estroboscópicos.
cada parámetro, gráficos de alta calidad y REFERENCES
entrenamiento muestras de video Los 1. Hirano M, Bless D. Videostroboscopic
resultados de este estudio prospectivo inicial Examination of the Larynx. San Diego, CA:
sugieren que la forma de VALI combinada con Singular Publishing Group, INC.; 1993.
entrenamiento puede usarse para hacer juicios 2. Zanartu M, Mehta DD, Ho JC, et al.
cualitativos confiables de videoestroboscopía y Observation and analysis of in vivo vocal
VHS. Un refinamiento adicional de la forma y la fold tissue instabilities produced by
capacitación podría mejorar su utilidad y nonlinear source-filter coupling: a case
probablemente daría como resultado niveles study. J Acoust Soc Am. 2011; 129:326–
aún más altos de confiabilidad para los 339.
parámetros seleccionados. 3. Woo P. Quantification of
El video de alta velocidad surgió como una videostrobolaryngoscopic findings—
técnica de imagen superior en comparación measurements of the normal glottal cycle.
con la estroboscopia. La estroboscopia tiene Laryngoscope. 1996;106(2 suppl 79 3
limitaciones inherentes que limitan su utilidad pt):1–27.
en casos de disfonía severa. Para los 4. Elidan G, Elidan J. Vocal folds analysis
parámetros seleccionados, los problemas con using global energy tracking. J Voice.
la extracción de tonos y el seguimiento dieron 2012;26:760–768.
como resultado un gran número de casos en 5. Hanson DG, Jiang J, D’Agostino M, et al.
los que los evaluadores no pudieron hacer un Clinical measurement of mucosal wave
juicio. Tales problemas fueron superados en velocity using simultaneous
gran parte con el uso de HSV. Además, las photoglottography and
correlaciones para la confiabilidad entre jueces laryngostroboscopy. Ann Otol Rhinol
y entre jueces fueron más altas para HSV. Laryngol. 1995; 104:340–349.
Aunque uso de HSV mejoró la capacidad de 6. Saadah AK, Galatsanos NP, Bless D, et
nuestros evaluadores para completar las al. Deformation analysis of the vocal folds
evaluaciones visoperceptuales, la técnica from videostroboscopic image sequences
también tiene desafíos que limitan su uso of the larynx. J Acoust Soc Am. 1998;
práctico en entornos clínicos. Por ejemplo, su 103:3627–3641.
alta velocidad de fotogramas requiere grandes 7. Sercarz JA, Berke GS, Arnstein D, et al. A
cantidades de almacenamiento digital y la new technique for quantitative
visualización de una totalidad El examen measurement of laryngeal
requiere una cantidad excesiva de tiempo. En videostroboscopic images. Arch
la actualidad el tiempo, el uso primario de la Otolaryngol Head Neck Surg. 1991;
estroboscopia, con el uso selectivo de 117:871–875.
imágenes de alta velocidad para resolver las 8. Yan Y, Chen X, Bless D. Automatic tracing
difíciles condiciones de imagen parece ser más of vocal-fold motion from high-speed
efectivo. Por lo tanto, aunque no todos los digital images. IEEE Trans Biomed Eng.
parámetros son igualmente fáciles de calificar, 2006; 53:1394– 1400.
la forma proporciona un medio para 9. Lohscheller J, Toy H, Rosanowski F, et al.
proporcionar clasificación clínica intra e Clinically evaluated procedure for the
19

reconstruction of vocal fold vibrations
from endoscopic digital high-speed
videos. Med Image Anal. 2007; 11:400–
413.
10. Patel R, Donohue KD, Unnikrishnan H, et
al. Kinematic measurements of the vocal-
fold displacement waveform in typical
children and adult populations:
quantification of high-speed endoscopic
videos. J Speech Lang Hear Res. 2015;
58:227–240.
11. Mehta DD, Deliyski DD, Quatieri TF, et al.
Automated measurement of vocal fold
vibratory asymmetry from high-speed
videoendoscopy recordings. J Speech
Lang Hear Res. 2011;54:47–54.
12. Ikuma T, Kunduk M, McWhorter AJ.
Advanced waveform decomposition for
high-speed videoendoscopy analysis. J
Voice. 2013; 27:369–375.
13. Yamauchi A, Imagawa H, Yokonishi H, et
al. Evaluation of vocal fold vibration with
an assessment form for high-speed digital
imaging: comparative study between
healthy young and elderly subjects. J
Voice. 2012;26:742–750.
14. Krausert CR, Liang Y, Zhang Y, et al.
Spatiotemporal analysis of normal and
pathological human vocal fold vibrations.
Am J Otolaryngol. 2012;33:641–649.
15. Yiu EM, Wang G, Lo AC, et al.
Quantitative high-speed laryngoscopic
analysis of vocal fold vibration in fatigued
voice of young karaoke singers. J Voice.
2013;27:753–761.
16. Woo P. Objective measures of laryngeal
imaging: what have we learned since Dr.
Paul Moore. J Voice. 2014;28:69–81.
17. Bless DM, Hirano M, Feder RJ.
Videostroboscopic evaluation of the larynx.
Ear Nose Throat J. 1987;66:289–296.
18. Poburka BJ, Bless DM. A multi-media,
computer-based method for stroboscopy
rating training. J Voice. 1998;12:513–526.
20
Journal of Voice, Vol. ■■, No. ■■, 2016
19. Poburka BJ. A new stroboscopy rating
form. J Voice. 1999;13:403–413.
20. Rosen CA. Stroboscopy as a research
instrument: development of a perceptual
evaluation tool. Laryngoscope.
2005;115:423–428.
21. Olthoff A, Woywod C, Kruse E.
Stroboscopy versus high-speed
glottography: a comparative study.
Laryngoscope. 2007;117:1123–1126.
22. Mehta DD, Deliyski DD, Zeitels SM, et al.
Voice production mechanisms following
phonosurgical treatment of early glottic
cancer. Ann Otol Rhinol Laryngol.
2010;119:1–9.
23. Patel R, Dailey S, Bless D. Comparison of
high-speed digital imaging with
stroboscopy for laryngeal imaging of
glottal disorders. Ann Otol Rhinol
Laryngol. 2008;117:413–424.
24. Patel RR, Liu L, Galatsanos NP, et al.
Differential vibratory characteristics of
adductor spasmodic dysphonia and
muscle tension dysphonia on high-speed
digital imaging. Ann Otol Rhinol Laryngol.
2011;120:21–32.
25. Patel RR, Pickering J, Stemple J, et al. A
case report in changes in phonatory
physiology following voice therapy:
application of high-speed imaging. J
Voice. 2012;26:734–741.
26. Deliyski DD, Hillman RE. State of the art
laryngeal imaging: research and clinical
implications. Curr Opin Otolaryngol Head
Neck Surg. 2010;18:147– 152.
27. Mendelsohn AH, Remacle M, Courey MS,
et al. The diagnostic role of high-speed
vocal fold vibratory imaging. J Voice.
2013;27:627–631.
28. Yamauchi A, Yokonishi H, Imagawa H, et
al. Quantification of vocal fold vibration in
various laryngeal disorders using high-
speed digital imaging. J Voice.
2016;30:205–214.
 Journal of Voice, Vol. ■■, No. ■■, 2016
29. Yamauchi A, Yokonishi H, Imagawa H, et
al. Visualization and estimation of
vibratory disturbance in vocal fold scar
using high-speed digital imaging. J Voice.
2016;30:493–500.
30. Peppard RC, Bless D. A method for
improving measurement reliability in
laryngeal videostroboscopy. J Voice.
1990;4:280–285.
31. Uloza V, Vegiene A, Pribuisiene R, et
al. Quantitative evaluation of video
laryngostroboscopy: reliability of the basic
parameters. J Voice. 2013;27:361–368.
32. Otto KJ, Hapner ER, Baker M, et al.
Blinded evaluation of the effects of high
definition and magnification on perceived
image quality in laryngeal imaging. Ann
Otol Rhinol Laryngol. 2006;115:110–113.
33. Kendall KA. High-speed laryngeal
imaging compared with videostroboscopy
in healthy subjects. Arch Otolaryngol
Head Neck Surg. 2009;135:274–281.
34. Inwald EC, Döllinger M, Schuster M, et
al. Multiparametric analysis of vocal fold
vibrations in healthy and disordered
voices in high-speed imaging. J Voice.
2011;25:576–590.
35.
36. Hirano M, ed. Clinical Examination of
Voice. New York: Springer-Verlag; 1981.
37. Association AS-L-H. The roles of
otolaryngologists and speech-language
pathologists in the performance and
interpretation of strobovideolaryngoscopy
(Relevant Paper). 1998. Available at:
Www.asha.org/policy. Accessed
November 11, 2016.
38. Deliyski DD, Powell MEG, Zacharias
SRC, et al. Experimental investigation on
minimum frame rate requirements of high-
speed videoendoscopy for clinical voice
assessment. Biomed Signal Proces.
2015;17:21– 28.
39. Bonilha HS, Deliyski DD, Gerlach TT.

21