MétaCan
Menu
Retour à la cohorte
Enregistrement W2003948384 · doi:10.1121/1.4831532

The effect of firefighter personal protective equipment on auditory thresholds

2013· article· en· W2003948384 sur OpenAlexaboutno aff
Joelle I. Suits, Craig A. Champlin, Preston S. Wilson, Ofodike A. Ezekoye

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésALARMPersonal protective equipmentAcousticsAudiologySIGNAL (programming language)Hearing protectionComputer scienceAeronauticsHearing lossElectrical engineeringEngineeringCoronavirus disease 2019 (COVID-19)PhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

Communication on a fire scene is essential to the safety of firefighters. Not only to be able to hear and understand radio chatter, but also alarm signals used on the fireground. One such alarm is the Personal Alert Safety System (PASS) device. This device is used to help locate a downed firefighter. One part of this complex problem is the effect of the protective equipment (helmet, eye protection, hood, coat) on hearing. Previous findings have shown the effect of this protective equipment on head related transfer functions using a KEMAR. [Suits et al. (2013, June). Paper presented at the International Congress on Acoustics, Montreal, Canada] The physical acoustic measurements showed a change in the signal that would reach the tympanic membrane. To relate the findings of the physical measurements to human reactions, the change in auditory threshold caused by wearing the personal protective equipment was measured. The changes seen in the physical acoustics measurements caused the auditory threshold of the subjects to increase at higher frequencies. The measured increases at 3000 Hz, 4000 Hz, and with an example PASS signal were between 5 and 10 dB. [Work supported by U.S. Department of Homeland Security Assistance to Firefighters Grants Program.]

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,321
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetNoise Effects and ManagementTravaux en français237 207