Impact of noise pollution during the COVID-19 pandemic in a hospital area in Sorocaba city, São Paulo State, Brazil
Notice bibliographique
Résumé
Environmental noise is a public health problem that arises mainly from vehicular traffic. In noise-sensitive areas, such as hospitals, the harm is even greater, as noise affects the recovery of patients and causes stress and disturbance to employees. Noise control measures are usually restricted to simulations and mathematical modeling. Given this context, the present study assesses environmental noise around a public hospital in Sorocaba city, São Paulo State, Brazil, before and during the COVID-19 pandemic, benefiting from measures to restrict the circulation of vehicles and people. Measurements were performed in triplicate, on weekdays, at four points around the hospital during the day, and followed the guidelines of standard NBR 10.151/2019. The number of light and heavy vehicles was counted manually. The equipment used was the BK 2260 analyzer and a tripod with adjustable height. The circulation of light and heavy vehicles decreased significantly during the pandemic. However, this decrease was not enough for sound levels to meet the 50 dB(A) recommended for noise-sensitive areas. This fact can be due to the speed of the remaining vehicles being above the established for the surrounding streets. Vehicles are the main responsible for the high levels of noise in the area, overlapping the levels generated by the different activities in the study site.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».