Estimating annoyance to calculated wind turbine shadow flicker is improved when variables associated with wind turbine noise exposure are considered
Notice bibliographique
Résumé
The Community Noise and Health Study conducted by Health Canada included randomly selected participants aged 18-79 yrs (606 males, 632 females, response rate 78.9%), living between 0.25 and 11.22 km from operational wind turbines. Annoyance to wind turbine noise (WTN) and other features, including shadow flicker (SF) was assessed. The current analysis reports on the degree to which estimating high annoyance to wind turbine shadow flicker (HAWTSF) was improved when variables known to be related to WTN exposure were also considered. As SF exposure increased [calculated as maximum minutes per day (SFm)], HAWTSF increased from 3.8% at 0 ≤ SFm < 10 to 21.1% at SFm ≥ 30, p < 0.0001. For each unit increase in SFm the odds ratio was 2.02 [95% confidence interval: (1.68,2.43)]. Stepwise regression models for HAWTSF had a predictive strength of up to 53% with 10% attributed to SFm. Variables associated with HAWTSF included, but were not limited to, annoyance to other wind turbine-related features, concern for physical safety, and noise sensitivity. Reported dizziness was also retained in the final model at p = 0.0581. Study findings add to the growing science base in this area and may be helpful in identifying factors associated with community reactions to SF exposure from wind turbines.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».