MétaCan
Menu
Retour à la cohorte
Enregistrement W4225383408 · doi:10.3390/ijerph19095578

Towards a Holistic Model Explaining Hearing Protection Device Use among Workers

2022· article· en· W4225383408 sur OpenAlexaff
Olivier Doutres, Jonathan Terroir, Caroline Jolly, Chantal Gauvin, Laurence Martin, Alessia Negrini

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensInstitut de recherche Robert-Sauvé en santé et en sécurité du travailUniversité de MontréalÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésNoise-induced hearing lossNoise (video)Scope (computer science)Hearing lossDimension (graph theory)Hearing protectionComputer scienceNoise exposurePsychologyMedicineAudiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Offering hearing protection devices (HPDs) to workers exposed to hazardous noise is a noise control strategy often used to prevent noise-induced hearing loss (NIHL). However, HPDs are used incorrectly and inconsistently, which explains their limited efficiency. Numerous models based on social cognition theories identify the significant factors associated with inconsistent HPD use and aim to improve HPD training programs and to increase HPD use. However, these models do not detail (dis)comfort aspects originating from complex interactions between characteristics of the triad "environment/person/HPD" while these aspects are known to largely influence HPD (mis)use. This paper proposes a holistic model explaining HPD (mis)use, based on the integration of a comfort model adapted to HPDs into an existing behavioral model already developed for HPDs. The model also takes into account the temporal dimension, which makes it possible to capture the scope of change in HPD-related health behaviors. This holistic description of HPD use could be used as a tool for stakeholders involved in HPD use to effectively prevent NIHL among workers.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,686
Score d'incertitude au seuil0,842

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,349
Tête enseignante GPT0,490
Écart entre enseignants0,141 · 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

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetNoise Effects and ManagementTravaux en français237 207