A simple low-invasive method to assess sound pressure levels at the eardrum using dual-microphone measurements in the open or occluded ear
Notice bibliographique
Résumé
The assessment of the noise exposure for a given individual is commonly performed using measurement techniques such as sound level meters (SLM) combined with estimated of exposure time or the use of portable noise dosimeters (PND). SLM and PND-based approaches only provide information about the ambient noise levels and fail to account for wearer’s placement effects and inter-individual differences in the wearers’ morphologies (e.g. head and ear geometries). While the damage risk criteria of existing noise standards refer to free-field measurements, it is commonly accepted that the risk of hearing loss is more directly related to the levels at the tympanic membrane. In-ear noise dosimetry (IEND) is a promising approach that provides continuous monitoring of an individual's noise exposure directly inside the ear. However, current IEND systems do not allow direct collection of eardrum data, as their featuring in-ear microphone is typically maintained at a certain distance from the membrane. This paper presents a simple method aimed at converting the measured SPLs to the eardrum, thus forming the basis for individual in-situ calibration of IEND. The method, based on a dual-microphone approach, and prototypes developed to conduct improved IEND measurements in the open or occluded ear are presented.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».