The Noise Exposure Structured Interview (NESI): An Instrument for the Comprehensive Estimation of Lifetime Noise Exposure
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lifetime noise exposure is generally quantified by self-report. The accuracy of retrospective self-report is limited by respondent recall but is also bound to be influenced by reporting procedures. Such procedures are of variable quality in current measures of lifetime noise exposure, and off-the-shelf instruments are not readily available. The Noise Exposure Structured Interview (NESI) represents an attempt to draw together some of the stronger elements of existing procedures and to provide solutions to their outstanding limitations. Reporting is not restricted to prespecified exposure activities and instead encompasses all activities that the respondent has experienced as noisy (defined based on sound level estimated from vocal effort). Changing exposure habits over time are reported by dividing the lifespan into discrete periods in which exposure habits were approximately stable, with life milestones used to aid recall. Exposure duration, sound level, and use of hearing protection are reported for each life period separately. Simple-to-follow methods are provided for the estimation of free-field sound level, the sound level emitted by personal listening devices, and the attenuation provided by hearing protective equipment. An energy-based means of combining the resulting data is supplied, along with a primarily energy-based method for incorporating firearm-noise exposure. Finally, the NESI acknowledges the need of some users to tailor the procedures; this flexibility is afforded, and reasonable modifications are described. Competency needs of new users are addressed through detailed interview instructions (including troubleshooting tips) and a demonstration video. Limited evaluation data are available, and future efforts at evaluation are proposed.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 découle