MétaCan
Menu
Retour à la cohorte
Enregistrement W3090908104 · doi:10.1016/j.shaw.2020.09.006

Field Attenuation of Foam Earplugs

2020· article· en· W3090908104 sur OpenAlexaff
Fran Copelli, Alberto Behar, Tina Ngoc Le, Frank Russo

Notice bibliographique

RevueSafety and Health at Work · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésHearing protectionAttenuationAudiologyEar canalHearing lossComputer sciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hearing protection devices (HPDs) are often used in the workplace to prevent hearing damage caused by noise. However, a factor that can lead to hearing loss in the workplace is improper HPD fitting, and the previous literature has shown that instructing workers on how to properly insert their HPDs can make a significant difference in the degree of attenuation. METHODS: Two studies were completed on a total of 33 Hydro One workers. A FitCheck Solo field attenuation estimation system was used to measure the personal attenuation rating (PAR) before and after providing one-on-one fitting instructions. In addition, external ear canal diameters were measured, and a questionnaire with items related to frequency of use, confidence, and discomfort was administered. RESULTS: Training led to an improvement in HPD attenuation, particularly for participants with poorer PARs before training. The questionnaire results indicated that much HPD discomfort is caused by heat, humidity, and communication difficulties. External ear canal asymmetry did not appear to significantly influence the measured PAR. CONCLUSION: In accordance with the previous literature, our studies suggest that one-on-one instruction is an effective training method for HPD use. Addressing discomfort issues from heat, humidity, and communication issues could help to improve the use of HPDs in the workplace. Further research into the effects of canal asymmetry on the PAR is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,068
Tête enseignante GPT0,327
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSafety and Health at WorkMême sujetHearing Loss and RehabilitationTravaux en français237 207