O-378 CHARACTERISTICS INFLUENCING THE COMFORT OF EARPLUGS EXPERIENCED BY WORKERS IN CANADIAN COMPANIES
Notice bibliographique
Résumé
Abstract Introduction In Quebec (Canada), noise-induced hearing loss is the most prevalent and growing occupational disease, resulting in higher compensation costs. Although the most effective solution is action at the noise source, the use of individual hearing protectors, such as earplugs, can be the only way to prevent this disease. Nevertheless, the various discomforts, encompassing acoustic, physical, functional, and psychological dimensions, that earplugs engender can undermine their efficacy by influencing their consistent and correct use. These (dis)comfort arises from intricate interplays between the characteristics of the user, earplugs, and the work environment, collectively constituting the concept of “triad”. Methods To better understand how the characteristics of the triad influence the earplugs (dis)comfort, a comprehensive study has been conducted. Results 173 workers tested seven distinct earplug models over the course of seven weeks and subsequently responded to detailed (dis)comfort questionnaires. Triad characteristics were assessed through both questionnaires and laboratory-based comfort testers. Statistical analyses led to the identification of primary triad characteristics that exert a significant influence on the acoustical, physical, and functional (dis)comfort dimensions. In this communication, highlights of the study and principal results are presented. Discussion and conclusion The main findings will aid manufacturers in designing better earplugs by considering not only their sound attenuation efficacy but also aspects related to perceived comfort. Furthermore, hygienists will have the ability to select earplugs that are most suited to a specific worker and his/her work environment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».