MétaCan
Menu
Retour à la cohorte
Enregistrement W2102892671 · doi:10.1002/ajim.10173

An investigation of noise levels in Alberta sawmills

2003· article· en· W2102892671 sur OpenAlexaffabout
Niels Koehncke, M. M. Taylor, Chris Taylor, Lloyd Harman, Patrick A. Hessel, Paul Beaulne, Tee L. Guidotti

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2003
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institute for Occupational Safety and Health
Mots-clésNoise exposureNoise (video)MedicineNoise levelNoise pollutionOccupational exposureToxicologyEnvironmental scienceNoise reductionStatisticsAudiologyEnvironmental healthHearing lossAcousticsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Noise exposure in the sawmill industry is an area of concern. This study documents the level of noise exposure in nine sawmills in the province of Alberta, Canada. METHODS: Personal noise monitoring data were collected in nine Alberta sawmills, in winter and in summer (n = 213). Exposures were considered in light of an estimated "real world" noise reduction rating (NRR) calculation assuming use of conventional hearing protection. Limited comparisons were made with spot area monitoring data. RESULTS: Only 10% of the personal monitoring measurements were below the Alberta 8-hr exposure limit of 85 dBA. Twenty-seven percent of the personal monitoring measurements were 95 dBA or higher. Worker enclosures played a large role in reducing noise exposure. There were no significant differences between seasons in noise category distributions (P = 0.61). The planermen and planer infeed operators had the highest percentage of personal monitoring measurements 95 dBA or higher (62% and 82%, respectively). CONCLUSIONS: Based on a conservative formula, a risk of excess noise exposure could exist even when wearing required hearing protection due to very high noise levels found in planing operations in sawmills.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,547

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,092
Tête enseignante GPT0,405
Écart entre enseignants0,313 · 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 tête enseignante, 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

Citations17
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetNoise Effects and ManagementTravaux en français237 207