Subjective evaluation of community noise in Canada's National Capital Region and its relation to waking levels of salivary biomarkers.
Notice bibliographique
Résumé
Some research has suggested an association between long-term exposure to traffic noise and relative risk of cardiovascular disease (Babisch et al., 2005; Willich et al., 2006). It has been assumed that noise may act as a nonspecific stressor. Acute exposure to noise can evoke physiological and behavioral changes reminiscent of a stress response in rodents (Michaud et al., 2003), but it is equivocal that this occurs in humans chronically exposed to traffic noise. This pilot project examined annoyance to community noise and salivary biomarkers known to be influenced by stressor exposure. A face-to-face interview subjectively assessed community noise for 60 residents (30 males, 30 females; mean age 41.3, SD=14.98). Traffic sound levels will be determined and respondents categorized into high (>65 dBA, Leq24) and low (<50 dBA) noise areas. Participants also provided saliva samples upon awakening, 30 min after awakening, and prior to bedtime. Concentrations of salivary biomarkers of alpha-amylase and cortisol were spectrophotometrically determined using commercial enzyme-linked immunosorbant assays. Two-way (high-noise versus low-noise) mixed-model analyses of variance will examine differences in questionnaire and salivary responses. Sex differences will be evaluated with independent t-tests, and polynomial regression analyses will relate salivary biomarker levels to high- or low-noise areas.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».