MétaCan
Menu
Retour à la cohorte
Enregistrement W2995382026 · doi:10.1080/14992027.2019.1698067

Influence of impulse noise on noise dosimetry measurements on the International Space Station

2019· article· en· W2995382026 sur OpenAlexaff
Ann Nakashima, José G. Limardo, Andrew Boone, Richard W. Danielson

Notice bibliographique

RevueInternational Journal of Audiology · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésImpulse noiseCrewImpulse (physics)Noise (video)Parametric statisticsInternational Space StationNoise exposureAcousticsStatisticsNoise measurementMathematicsComputer scienceMedicineNoise reductionPhysicsAudiologyEngineeringAeronautics

Résumé

récupéré en direct d'OpenAlex

Objective: Acoustic dosimetry (AD) data collected on the International Space Station (ISS) were analysed to investigate the impact of impulse noise on crew noise exposure.Design: The noise exposure during work (LAeq16h) and sleep (LAeq8h) time, and the number of impulses >115 dB peak that occurred during each measurement activity, were calculated from the AD data. Two parametric studies were used to estimate the effect of 1) impulses in the original data set, and 2) hypothetical impulses of different levels, durations and quantities on LAeq16h.Study sample: Twelve sets of AD data collected on the ISS from November 2017 to October 2018.Results: The ISS work time noise limit (72 dBA) was exceeded in four of the 12 data sets. In three of those, there were over 100 impulses >115 dB peak and the number of impulses was significantly correlated with LAeq16h. However, the impulses only caused a meaningful increase in LAeq16h when the number of occurrences was large (>50), or when both the level and duration of the impulses were large.Conclusions: Continued monitoring of impulse noise data is recommended to facilitate the investigation of exceedances or abnormalities in future AD data acquired on the ISS.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,375
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,390
Écart entre enseignants0,352 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of AudiologyMême sujetNoise Effects and ManagementTravaux en français237 207