Occupational Noise Exposure and Hearing Protector Use in Canadian Lumber Mills
Notice bibliographique
Résumé
Noise exposure is probably the most ubiquitous of all occupational hazards, and there is evidence for causal links between noise and both auditory and nonauditory health effects. Noise control at source is rarely considered, resulting in reliance on hearing protection devices to reduce exposure. A comprehensive noise survey of four lumber mills using a randomized sampling strategy was undertaken, resulting in 350 full-shift personal dosimetry measurements. Sound frequency spectrum data and information on hearing protector usage was collected. A determinants-of-exposure regression model for noise was developed. Mean (L(eq,8hr)) exposure level was 91.7 dBA, well above the exposure British Columbia (BC) limit of 85 dBA. Of 52 jobs for which more than a single observation was made, only 4 were below the exposure limit. Twenty-eight jobs had means over 90 dBA, and four jobs had means over 100 dBA. The sawmill and by-products departments of the lumber mills had the highest exposure to low frequency noise, while the planing and saw filing areas had the highest exposure to high frequency noise. Hearing protector use was greatest among those exposed above 95 dBA, and among those exposed between 85 and 95 dBA, self-reported use was 84% for 73% of the time. The determinants of exposure model had an R(2) of 0.52, and the within-participant correlation was 0.07. Key predictors in the final model were mill; enclosure and enclosure construction material; and certain departments, jobs, and noise sources. The study showed that workers in lumber mills are highly exposed to noise, and although the prevalence of the use of hearing protection is high, their use is unlikely to provide complete protection again noise-induced hearing loss at the observed exposures. Determinants of noise exposure modeling offers a good method for the quantitative estimation of noise exposure.
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 | 0,000 |
| 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 ».