Self-reported voice problems and contributing factors in a Francophone population of professional and student teachers and nurses
Notice bibliographique
Résumé
Context: We explored the relation between work related factors, health practices, personality traits and stress-coping strategies and self-reported voice problems in a population of 354 student teachers (ST), 344 professional teachers (PT), 147 student nurses (SN) and 104 professional nurses (PN). Method: An online survey was conducted. Beside an anamnestic questionnaire to collect data about voice problems, work environment, health practices the VHI-10 was used to quantify voice symptoms, the Big Five-10 to explore personality traits, and the WCC-27 to explore stress coping strategies. Results: The prevalence of self-reported voice problems was significantly higher in ST as compared to SN (23% vs 14%, p = 0.025) and in PT versus PN (24% vs 12%, p = 0.08). VHI scores were significantly higher for subjects self-reporting a voice problem and significantly higher in the professional than the student groups, with PT with self-reported voice problems having the highest scores (Mean = 22.34 SD = 0.635) p<0.001. An ANOVA shows that 55% of the variance of the VHI scores is explained by the status of the subject (ST/PT/SN/PN), (F(3,945) = 382.156, p<0.001). A linear regression shows that 43% of the variance of the VHI scores was explained by Amount of private voice use, Conscientiousness, Extraversion and Emotion centered coping scores (F(4,830) = 159.201,p<0.001).
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 | 0,001 | 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 ».