Examining the effects of a targeted noise reduction program in a neonatal intensive care unit
Notice bibliographique
Résumé
OBJECTIVES: To determine whether implementation of a noise reduction policy followed by the addition of direct audit and feedback reduces noise levels in a tertiary-level neonatal intensive care unit (NICU). STUDY DESIGN: Noise level data was collected in three phases: (1) baseline (preintervention), (2) immediately postimplementation of our noise reduction policy, (3) postunveiling of direct audit and feedback mechanism. SETTING: A level 3 NICU in Ontario, Canada. INTERVENTIONS: Noise reduction policy and a direct audit and feedback mechanism. MAIN OUTCOME MEASURES: Average noise level. RESULTS: The baseline level of noise in our unit consistently exceeds guidelines with an average baseline noise of 49 dB (±1.4). Our intervention resulted in a significant reduction in noise levels for one of the four areas in our NICU [-1.06 dB (-1.52, -0.6)], with a trend towards reduction in a second area (-0.21 dB (-0.6, 0.18)). Unexpectedly, two other areas experienced a significant increase in noise (2.05 dB (1.18, 2.94); 0.85 dB (0.11, 1.59)). CONCLUSIONS: The baseline noise in the NICU consistently exceeds guidelines, but reductions in noise levels are achievable. Nonetheless, more work is needed to find the optimal NICU design and noise reduction strategy.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».