MétaCan
Menu
Retour à la cohorte
Enregistrement W3153897589

Changes in the Prevalence and Characteristics of Hearing Loss in a Noise-Exposed Population Between 1980 and 2015

2021· article· en· W3153897589 sur OpenAlexaffvenue
Sasha Brown, Lorienne M. Jenstad, Angela Ryall, Ellen Stephenson

Notice bibliographique

RevueCanadian acoustics · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing, Cochlea, Tinnitus, Genetics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHearing lossCohortMedicineAudiologyNoise (video)Cohort studyNoise exposureDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Updated regulations, improved noise reduction, and increased use of hearing protective devices (HPDs) may result in better hearing for noise-exposed workers. In a retrospective longitudinal (1980-2015) cohort study, we conducted a secondary analysis of a database of annual hearing tests from noise-exposed workers aged 20-55 years old. Sample size per cohort ranged from n=1386 to n=5165. No clinically-meaningful cohort differences in thresholds of 5 dB or greater were found for 20- or 30-year olds. For 45- and 55-year olds, later-born cohorts had better thresholds than earlier-born cohorts. Prevalence of hearing loss decreased for later-born cohorts for 30, 45, and 55-year olds. Twenty-year olds in later cohorts were more likely to use HPD than those in earlier cohorts. The lower prevalence of hearing loss and better thresholds in these noise-exposed workers may be due to increased HPD use, changes in workplace regulations, improved workplace noise control, or changed attitudes towards recreational noise exposure.

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)0,000
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 enseignants0,075
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,273
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 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetHearing, Cochlea, Tinnitus, GeneticsTravaux en français237 207