Description of Noise Levels in a Pharmacy Department at a University Hospital
Notice bibliographique
Résumé
OBJECTIVE: Few data are available regarding noise levels in hospital pharmacies. This study mainly aimed to assess noise levels in different areas and during various activities in the pharmacy department of a tertiary care hospital affiliated with Université de Montréal in Canada and identify potential noise sources. MATERIALS AND METHODS: This cross-sectional descriptive study was conducted in the pharmacy department of Centre Hospitalier Universitaire (CHU) Sainte-Justine. A convenience sample of 30 sites was established to encompass various activities. Noise levels were measured with a sound level meter for three types of activity: office activities, storage, and drug preparation. Noise measurements were conducted for a 1-day period at each site. RESULTS: The average noise level ranged from 41.9 ± 3.4 dBA to 71.4 ± 0.4 dBA during the day and from 37.5 ± 0.4 dBA to 71.2 ± 0.1 dBA at night. The levels were 50.9 ± 5.6 dBA in offices, 58.0 ± 5.8 dBA in storage areas, and 63.9 ± 9.2 dBA in drug preparation areas. Considering noise distribution by percentile, the L10 ranged from 43.7 to 71.7 dBA, the L50 from 37.8 to 71.3 dBA, and the L90 from 37.2 to 71.1 dBA. CONCLUSION: Average noise levels varied widely within the pharmacy department of the studied hospital, and a substantial proportion of it could be due to the building's ventilation system.
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 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».