MétaCan
Menu
Retour à la cohorte
Enregistrement W2131656837 · doi:10.3109/14992027.2013.798687

Audiometric thresholds and portable digital audio player user listening habits

2013· article· en· W2131656837 sur OpenAlexaff
Katya Feder, Leonora Marro, Stephen E. Keith, David S. Michaud

Notice bibliographique

RevueInternational Journal of Audiology · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésAudiologyActive listeningSound pressureHearing lossAudiometryMedicinePsychologyComputer scienceCommunicationTelecommunications

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the relationship between portable digital audio player listening behaviours and (1) measured sound pressure levels, (2) audiometric measures, (3) self-reported hearing loss symptoms. DESIGN: A questionnaire to evaluate listening behaviours, including self-reported hearing loss symptoms and listening duration/volume settings. Multivariate regression analysis was used to determine the relationship between these variables, audiometric evaluation, calculated exposure levels, Lex(8hr), and measured sound pressure levels, Leq(32sec). STUDY SAMPLE: This study included 103 males and 134 female subjects aged 10 to 17 years. RESULTS: Calculated Lex(8hr) and measured Leq(32sec) levels increased with age and self-reported usage time. Audiometric thresholds averaged over 4 and 8 kHz were higher when usage exceeded five years as compared to less than one year. Higher measured sound pressure levels were associated with worse audiometric thresholds at (0.5, 1, 2 kHz, averaged) and 4 kHz. Self-reported hearing loss symptoms were reported by 33% to 50% of subjects. CONCLUSIONS: In this cohort sample, our results support a statistical association between hearing acuity and (1) Self-reported weekly usage in hours; (2) Tightness of fit; (3) Years of usage; and (4) Measured sound pressure levels. Generalizing these results beyond the current sample would require additional research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,281
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations23
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of AudiologyMême sujetHearing Loss and RehabilitationTravaux en français237 207