Prevalence of Hearing Loss Among University Music Students
Notice bibliographique
Résumé
Cette étude a examiné la sensibilité auditive d'étudiants musiciens (N = 53) et non musiciens (N = 54) âgés entre 17 et 31 ans.Les deux groupes ont été comparés pour les différences de seuil auditif, les incidences de la perte auditive décrite par la moyenne des sons purs, et les incidences d'encoches neurosensorielles à 3, 4 ou 6 kHz.Les données ont également été utilisées pour explorer les relations entre la sensibilité auditive et l'âge, le sexe, l'âge du début des cours de musique, les instruments de musique joués, le nombre d'années jouant cet instrument, le type d'instrument, l'utilisation de protection auditive et le temps d'écoute d'appareils de musique personnelle.Aucune différence significative dans les niveaux de seuil auditif entre les deux groupes n'a été trouvée.La prévalence globale d'encoches neurosensorielles était 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 identifié plus de non musiciens avec des encoches, bien que la différence 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 corrélation entre la sensibilité auditive et l'âge.Les autres paramètres étudiés ont montré très peu ou pas de relation avec la sensibilité auditive.Les résultats ne montrent aucune augmentation de l'incidence de la perte d'audition chez les étudiants universitaires en musique par rapport à un groupe témoin.Cependant, cela ne signifie pas que les étudiants en musique ne sont pas à risque de subir une perte auditive.Il est possible que les outils de mesure que nous avons utilisés ne soient pas suffisamment sensibles pour détecter les premiers stades de la perte auditive ou que l'effet de l'exposition au jeu d'instruments de musique se manifestera quelques années plus tard.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».