Sinais Acústicos da Voz

A produção vocal ocorre por movimento das pregas vocais interrompendo o fluxo de ar advindo da expiração. O movimentar das pregas vocais são controladas por sua própria biomecânica, pela pressão do ar abaixo das pregas vocais e pelo controle neural. Os sinais acústicos são espelhos imperfeitos da fisiologia adjacente das pregas vocais. Esses parâmetros acústicos são fáceis de aferir e analisar objetivamente (COLTON; CASPER, 1996).

Frequência Fundamental é a freqüência de vibração das pregas vocais, também conhecida como altura vocal ou freqüência fundamental da fala. Depende em parte do tamanho da laringe. Quanto mais longas são as pregas vocais, mais a voz é, a princípio, capaz de sons graves. Por exemplo, a voz de uma criança que as pregas vocais podem medir aproximadamente de 5 a 12 mm é mais aguda que a de uma mulher cujas pregas vocais medem de 14 a 18 mm, que por sua vez é mais aguda que a voz de um homem, cujas pregas vocais medem de 18 a 25 mm (LE HUCHE; ALLALI, 1999).

O tom habitual (F0 habitual) é o mais freqüentemente utilizado pelo indivíduo durante a comunicação oral. Esta por volta da terceira ou quarta nota inteira (tom) acima de seu fundamental mais grave (sem vocal fry). Desenvolve sua conversação ao redor dessa região, utilizando sons graves e agudos, que caracterizam suas inflexões (PINHO, 1998), ou seja, alude à freqüência que aparece mais vezes e, em situações normais, encontra-se ao redor da 3ª à 5ª nota acima da mais grave que o individuo é capaz de produzir (PINHO, 2001).

As vozes masculinas podem variar de 80 a 150 Hz (aproximadamente de mi1 a ré2), as

femininas de 150 a 250 Hz (aproximadamente de ré2 a si2) e as infantis encontram-se acima

de 250 Hz (ao redor de dó3) (BEHLAU; PONTES, 1995).

Colton e Casper (1996, p.22), descrevem que “os homens deveriam produzir freqüências fundamentais entre 100 e 150 Hz, enquanto as mulheres, freqüência fundamentais entre 180 e 250 Hz”.

Pinho (1998, p.32), “as mulheres na faixa etária entre 20 a 29 anos apresentam valores médios em torno de 227 Hz, na faixa de 40 a 49, 214 Hz, e de 80 a 89 anos, 197 Hz. Os homens na faixa etária de 20 a 29 anos, 120 Hz, de 40 a 49 anos, 107 Hz e entre 80 a 89, 146 Hz”.

Além das diferenças individuais que dependem das condições anatômicas, a altura tonal varia de acordo com: tipo de emissão vocal e circunstâncias: a voz ascende quanto mais se deseja levá-la ao longe; é mais grave possível, numa “confidência”. Varia também segundo a vivência daquele que fala: amplamente modulada, correndo sobre duas oitavas, quando o tom é alegre; emitida quase em um único tom quando está numa situação de tristeza ou, paradoxalmente, num contexto autoritário (LE HUCHE; ALLALI, 1999).

Amplitude é força do som produzido pelas pregas vocais, expressas em decibéis. A fala convencional cotidiana pode exibir níveis de pressão sonora entre 75 e 80 dB. A amplitude varia de acordo com os sons falados e a mensagem. Pessoas normais são capazes de produzir intensidades mínimas ao redor de 50 dB e máximas ao redor de 115 dB (COLTON; CASPER, 1996).

Timbre ou qualidade vocal é o termo empregado para designar o conjunto de características que identificam uma voz humana. Varia de acordo com o contexto de fala e as condições físicas e psicológicas do indivíduo, mas há um padrão básico que o identifica dos demais falantes (BEHLAU; PONTES, 1995).

É um aspecto importante do “som vocal”. Pelo timbre podemos identificar uma pessoa ao escutar a sua voz. Na estética, a qualidade de uma voz está sobretudo nas qualidades de seu timbre. Depende do número e da intensidade relativa dos harmônicos contidos no som, ou seja a freqüências múltiplas do som fundamental que a ele se sobrepõe, segundo uma repartição especifica na escala de freqüências (espectro sonoro). No traçado sonográfico, os

harmônicos são postos expostos sob a forma de espaços cinzentos, tanto mais alto quanto mais agudos for o harmônico e tanto mais escuro na figura formada quanto mais intenso for este harmônico. O timbre depende também das modalidades de aproximação das pregas vocais, e por outro, das características anatômicas das cavidades de ressonância (faringe, boca e em menor grau, cavidade nasal), assim como do arranjo entre estas. A aproximação das pregas vocais pode ser mais firme ou menos firme. Quando o fechamento entre elas aumenta, o timbre vocal torna-se mais rico, por haver um “enriquecimento em termos agudos” do espectro sonoro; quando o fechamento entre as pregas vocais diminui, ou seja é relaxada, ou está incompleta, temos uma voz de timbre pobre, por se fazer acompanhado de um ruído sonoro de sopro, e então se diz ser um timbre velado. No timbre: é determinante nos registros vocais, a espessura das pregas vocais, assim como as características anatômicas individuais (fixas) das cavidades de ressonância ocasionando particularidades reconhecíveis do timbre vocal em um determinado indivíduo, ou seja, podemos reconhecer auditivamente uma pessoa, devido às características particulares das suas cavidades de ressonância. A disposição das cavidades de ressonância varia constantemente durante a articulação da fala (LE HUCHE; ALLALI, 1999).

Há alguns indicativos das variações que ocorrem de um ciclo a outro de atividade das pregas vocais, sendo, conhecidas como medidas de perturbação ciclo a ciclo, o jitter vocal, pertubação referente à irregularidade da vibração das pregas vocais, podendo ser manifesta por irregularidade no tempo ou na vibração da amplitude da vibração.durante a fala, tanto a freqüência fundamental como a intensidade variam dependendo dos sons, das palavras pronunciadas e da intensidade da mensagem. Falantes normais apresentam pequena perturbação que podem ser na variação da massa, tensão, atividade muscular ou atividade neural das pregas vocais (COLTON; CASPER, 1996).

Está representado pelo traçado de forma de onda, ao parâmetro de duração obtido no eixo horizontal. Pode ter relação com a falta de controle neuromuscular ou irregularidade vibratória por presença de patologia vocal. Na laringoestroboscopia, alterações referentes ao jitter, explicam-se pelas grandes periodicidades encontradas no movimento lento ou na impossibilidade de congelar a imagem pelo ajuste da frequência (PINHO, 2001).

Outra perturbação conhecida ciclo a ciclo é o shimmer vocal, possível que a amplitude do som da prega vocal varie de um ciclo para o seguinte, que reflete o tipo e o grau de patologia que um falante pode exibir (COLTON; CASPER, 1996).

Está representada no eixo vertical do traçado de forma de onda. Esta altamente relacionada ao índice perceptivo de rouquidão. Na laringoestroboscopia, é possível identificar alterações ascentuadas de shimmer utilizando o dispositivo de congelamento da imagem na fase de abertura. Os valores de jitter e shimmer também diferem de vogal para vogal, com a idade e sexo do falante (PINHO, 2001).

Tempo de Fonação, ou tempo máximo que um indivíduo pode sustentar uma fonação, como indicadora de função vocal, uma vez que o indivíduo vai fazer uso de seu suprimento de ar, associado à vibração das pregas vocais (FERREIRA; PONTES, 1994).

É a habilidade da pessoa em controlar as forças aerodinâmicas da corrente pulmonar e as forças aero-mielásticas da laringe usando o parâmetro tempo máximo de fonação (TMF), com vogais sustentadas, em freqüência e intensidades habituais. É possível quantificar por um teste de eficiência glótica. Obtém-se este valor pela medida do tempo máximo que um indivíduo consegue sustentar a emissão de um som, numa só expiração. Através dele fazemos uma investigação quantitativa e qualitativa da fonação (BEHLAU; PONTES, 1995).

Para a pesquisa dos tempos de fonação, faz-se a medida da duração de seis diferentes comportamentos vocais: emissão das vogais /a/, /i/, /u/; emissão das fricativas /s/, /z/. Solicita ao indivíduo que emita cada vogal num tempo o mais prolongado possível, após profunda inspiração. O tom e a intensidade usados devem ser os habituais, indicando naturalidade. Se o indivíduo usar o ar de reserva, tal fato deverá ser registrado, mas nenhuma interferência ou sugestão deve ser feita no sentido de evitar que ele faça isso, pois que se deseja é observar de que forma ele usa a quantidade de ar disponível. Utiliza-se um cronômetro para obtenção das medidas e, a qual é registrada a primeira contagem, sendo repetida somente quando o indivíduo não cumpriu a ordem solicitada corretamente. Pode escolher manter-se em pé ou sentado (há diferença nos tempos obtidos nessas duas posições) (BEHLAU; PONTES, 1995).

A importância dos tempos máximos de fonação se situarem ao redor de 14 s para as mulheres e de 20 s para os homens reside no fato de o falante, na fala encadeada, realizar recargas aéreas a cada um terço de seu tempo máximo de fonação. Sendo que valores menores de 10s devem ser considerados não-normais com alta significância, pois estariam utilizando o ar de reserva expiratória, ou seja, há a necessidade de fazer recarga com inspirações longas e ofegantes, associadas a esforço muscular, sendo um mecanismo pouco o eficiente de coordenação pneumofônica (BEHLAU; PONTES, 1995).

Quanto à relação s/z, diz respeito à dinâmica fonatória normal onde o indivíduo é capaz de utilizar suplência de ar pulmonar de modo eficiente, o que não acontece em indivíduos disfônicos. Na emissão da fricativa surda /s/, é avaliado o suporte aéreo pulmonar, principalmente à habilidade de controlá-lo, uma vez que a laringe não vibra é possível então avaliar a fonte friccional do som. Já na emissão do /z/, é possível acoplar à fonte friccional inicial a fonte glótica, e pode-se observar o comportamento vocal resultante (BEHLAU; PONTES, 1995).

A análise da relação entre os dois valores de tempo – relação s/z, nos fornece dados sobre a dinâmica da fonação e tem sido considerada medida para avaliação da eficiência glótica. É esperado que adultos normais façam emissões médias de 15 a 25s, com tempos praticamente iguais para surdos e sonoros. Podendo até o tempo de /z/ ser maior do que de /s/ em até 3s, indicando assim um maior coeficiente de fechamento das pregas vocais, decorrentes da sonorização, e ocorrendo até uma hipercontração das pregas vocais. Quando os dois valores de sustentação apresentam-se abaixo de 15 s, há comprometimento no suporte respiratório. Os valores de tempo máximo de fonação em falantes do sexo masculino são maiores que os do sexo feminino de 3 a 8 s. Sendo assim, indivíduos disfônicos, com alterações em nível de pregas vocais apresentam terão tempo de /s/ normal e /z/ alterado. Com valor de relação s/z maior ou igual a 1,2 já é indicativo de falta de coaptação correta das pregas vocais na fonação. Quanto maior esta proporção, menor controle laríngeo à passagem de ar expiratório (BEHLAU; PONTES, 1995).

Supõe-se que o tempo máximo de fonação (TMF), seja uma medida do controle fonatório de “apoio” respiratório. Segundo Kent, Kent e Rosenbek (1987), “o tempo máximo de fonação pode ser influenciado por variáveis (idade / sexo) que tem pouca relação com o controle fonatório” (COLTON; CASPER, 1996, p.341).

É descrita vastamente na literatura científica com grande ênfase à detecção de alterações em nível glótico, sendo escassos os relatos correlacionando às alterações a nível pulmonar. A função pulmonar está diretamente relacionada com a produção da voz, sendo de se esperar que o TMF possa estar alterado, também, em indivíduos com doenças pulmonares. A medição do TMF é o parâmetro utilizado para obtenção de medidas pneumofônicas. A capacidade vital pulmonar (CV), volume medido na boca entre as posições de inspiração plena e expiração completa, representa o maior volume de ar mobilizado. A CV varia enormemente entre indivíduos, resultando de forma indireta em grande variação no TMF. O

TMF nunca corresponderá a 100% da CV, pois uma pequena porção dessa CV será perdida no início da manobra antes de iniciar a fonação, devido à grande pressão alveolar e pela aproximação laríngea incompleta (ROSSI et al, 2006).

Perante o envelhecimento laríngeo, a fonação nos idosos caracteriza-se pela redução significativa do tempo máximo de fonação e da capacidade vital, para ambos os sexos (BILTON; COUTO, 2006).