MétaCan
Menu
Retour à la cohorte
Enregistrement W3109592355 · doi:10.1121/1.5147740

A finite element model to study the earplug contribution to the objective occlusion effect

2020· article· en· W3109592355 sur OpenAlexaff
Kévin Carillo, Olivier Doutres, Franck Sgard

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensInstitut de recherche Robert-Sauvé en santé et en sécurité du travailÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésOcclusionFinite element methodAcousticsMaterials scienceComputer scienceMechanicsPhysicsMedicineSurgeryThermodynamics

Résumé

récupéré en direct d'OpenAlex

The use of earplugs is commonly associated with an amplification of low frequency physiological noises in the earcanal referred to as the occlusion effect. In the literature, the type of earplug has been shown to significantly influence the occlusion effect in particular when inserted deeply enough. However, few studies have investigated the physical mechanisms that rule the earplug contribution. Their understanding is necessary to ultimately act on the earplug to reduce the occlusion effect. Classical lumped element models usually simplify the earplug as an impedance connected to the earcanal cavity. Intricate couplings of the earplug with the earcanal wall and the earcanal cavity are thus neglected. Finite element models can account for these couplings and thus make it possible to study the earplug contribution. In this work, the physical mechanisms that explain the earplug contribution to the objective occlusion effect are investigated. For this purpose, a 2-D axi-symmetric finite element model of an outer ear is used. Two types of earplug (foam and silicone) as well as two insertion depths (medium and deep) are considered. The earplug influence is interpreted in terms of volume velocity imposed to the earcanal cavity and related to its mechanical properties and its insertion depth.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,229 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207