Pre-Post Pilot Study of Noise Levels at a University Hospital Center Pharmacy Department
Notice bibliographique
Résumé
CONTEXT: Noise interferes with attention, speech understanding, detection of other auditory stimuli, and leads to interruptions. OBJECTIVES: This is a pre-post cross-sectional observational study aimed at measuring noise levels in a 500-bed mother-child university hospital center pharmacy department after the implementation of corrective measures, such as work zone reorganization, digitization of the prescription process, and education about the impact of some work habits. RESULTS: A total of 24 measurement points (70 noise level measurements) were taken in 2007 (pre) compared to 30 measurement points (59 noise level measurements) in 2012 (post). There was a statistically significant difference in the average values of the day and night noise measurements (day 59.4 ± 5.3 dB(A) vs night 52.3 ± 8.0 dB(A); P < .001). There were no statistically significant differences in the average values of the noise measurements taken during daytime between the prestudy and poststudy phases (pre 59.4 ± 5.3 vs post 58.07 ± 6.01 dB(A); P = .22). CONCLUSION: Few data exist on the noise levels in hospital pharmacy departments. In spite of the corrective measures implemented, reducing noise levels in pharmacy departments was difficult to achieve. Average values of approximately 60 dB(A) seem to be unacceptable for work that requires a high level of attention.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».