MétaCan
Menu
Retour à la cohorte
Enregistrement W3185521724 · doi:10.1121/2.0001436

Too loud! Non-occupational noise exposure causes hearing loss

2021· article· en· W3185521724 sur OpenAlexaff
Daniel Fink, Jan Mayes

Notice bibliographique

RevueProceedings of meetings on acoustics · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensVancouver Biotech (Canada)
Organismes subventionnairesnon disponible
Mots-clésDecibelHearing lossIndustrial noiseNoise (video)AudiologyHearing protectionNoise exposureAmbient noise levelEnvironmental noiseAbsolute threshold of hearingMedicineAcousticsComputer scienceSound (geography)

Résumé

récupéré en direct d'OpenAlex

That occupational noise exposure causes hearing loss has long been known, but non-occupational noise exposure was not recognized as a problem until the 1960s. Today, most Americans are regularly exposed to non-occupational noise sufficient to cause hearing loss, perhaps because of an erroneous belief that 85-decibel noise exposure, based on occupational standards, is safe for the public without time limit. Common noise sources include personal audio systems, especially among young people; public transit; social, sports, and entertainment venues; household appliances; and power tools and landscape maintenance equipment. As a result, approximately 25% of American adults age 20-69 have noise-induced hearing loss, 53% without significant occupational exposure. Why? The Equal Energy Hypothesis states that equal amounts of sound energy produce equal amounts of hearing loss, regardless of how that sound is distributed over time. The response to sound is non-linear, though, and brief high-level exposures may have disproportionate impacts on hearing. How loud is too loud? The Auditory Injury Threshold is only 75-78 A-weighted decibels. The Environmental Protection Agency calculated a time-weighted daily average of 70 decibels to prevent hearing loss, but the true safe noise level may be 60 decibels or lower. Recommendations are made to reduce public 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,935

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,358
Écart entre enseignants0,321 · 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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetNoise Effects and ManagementTravaux en français237 207