MétaCan
Menu
Retour à la cohorte
Enregistrement W2892848999

Prevalence of Hearing Loss Among University Music Students

2018· article· en· W2892848999 sur OpenAlexaffvenue
Gilles Comeau, Amineh Koravand, Mikael Swirp

Notice bibliographique

RevueCanadian acoustics · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAudiologyHearing lossActive listeningSignificant differencePsychologyAbsolute threshold of hearingNoise exposureAge groupsMusicalMedicineArtDemographyCommunicationVisual arts
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study examined the hearing sensitivity of student musicians (N = 53) and non-musicians (N = 54) between the ages of 17 and 31. The two groups were compared for differences in hearing threshold levels, incidences of hearing loss described by pure tone average levels, and incidences of notches at 3, 4 or 6 kHz. Survey data was also used to explore relationships between hearing sensitivity and gender, age, music lesson starting age, musical instruments played, number of years playing that instrument, instrument type, use of hearing protection and personal music device listening time. No significant differences in hearing threshold levels between the two groups was found. Overall prevalence of notches was 1.9% for musicians versus 9.3% for non-musicians using the Niskar (2001) algorithm, or 20.8% for musicians versus 31.5% for non-musicians using the Coles (2000) algorithm. Both algorithms identified more non-musicians with notches, although the difference between the two groups was not significant. Musicians who use hearing protection had significantly more incidences of notches, and there was a weak correlation found between hearing sensitivity and age. The other survey parameters studied showed very little or no relationship with hearing sensitivity. The results do not show any indication that music students are at a higher risk of noise-induced hearing loss than non-music students. Cette etude a examine la sensibilite auditive d’etudiants musiciens (N = 53) et des non musiciens (N = 54) âges entre 17 et 31 ans. Les deux groupes ont ete compares pour les differences de seuil auditif, les incidences de la perte auditive decrite par la moyenne des sons purs, et les incidences d’encoches neurosensorielles   a 3, 4 ou 6 kHz. Les donnees ont egalement ete utilisees pour explorer les relations entre la sensibilite auditive et l'âge,  le sexe, l'âge du debut des cours de musique, les instruments de musique joues, le nombre d'annees jouant cet instrument, le type d'instrument, l'utilisation de protection auditive et le temps d'ecoute d’appareils de musique personnelle. Aucune difference significative dans les niveaux de seuil auditif entre les deux groupes n'a ete trouvee. La prevalence globale d’encoches neurosensorielles  etait de 1,9% pour les musiciens contre 9,3% pour les non-musiciens utilisant l'algorithme Niskar (2001), et de 20,8% pour les musiciens contre 31,5% pour les non musiciens utilisant l'algorithme de Coles (2000). Les deux algorithmes ont identifie plus de non musiciens avec des encoches, bien que la difference entre les deux groupes ne soit pas significative. Les musiciens qui utilisent la protection auditive ont beaucoup plus d’encoches  neurosensorielles, et il y a eu une faible correlation entre la sensibilite auditive et l'âge. Les autres parametres etudies ont montre tres peu ou pas de relation avec la sensibilite auditive. Les resultats ne montrent aucune indication que les etudiants musiciens courent un risque plus eleve de perte auditive induite par le bruit que les etudiants non-musiciens.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,043
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,333
Écart entre enseignants0,297 · 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 tête enseignante, 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

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetNoise Effects and ManagementTravaux en français237 207