Hearing Screening Program Impact on Noise Reduction Strategies
Notice bibliographique
Résumé
The objective of this study was to determine the impact of the New South Wales Rural Hearing Conservation Program on the implementation of personal hearing protection (PHP) and noise management strategies among farmers who had participated in this program in New South Wales, Australia. A follow-up survey of a random sample of people screened through the New South Wales Rural Hearing Conservation Program was linked to their baseline data. The use of PHP at baseline was compared to use at follow-up in four specific scenarios: use with non-cabbed tractors, with chainsaws, with firearms, and in workshops. For non-cabbed tractors, the net gain in PHP use was 13.3%; the net gain was 20.8% for chainsaws, 6.7% for firearms, and 21.3% for workshops. Older farmers and those with a family history of hearing loss were less likely to maintain or improve PHP use. Those with severe hearing loss, males, and participants reporting hearing problems in situations where background noise was present were more likely to maintain or improve PHP use. Forty-one percent of farmers had initiated other strategies to reduce noise exposure beyond the use of PHP, which included engineering, maintenance, and noise avoidance solutions. The early (hopefully) identification of hearing deficit in farmers and farm workers can help promote behavior change and help reinforce a farm culture that supports hearing conservation. The continuation and expansion of hearing screening programs such as these should be encouraged as basic public health strategy in farming communities.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».