Investigating the Role of Working Patterns in Tinnitus: Results From a Large UK Population
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to examine the association of different working patterns and tinnitus. DESIGN: This cross-sectional study (2006-2010, n = 91,089) was a secondary analysis of existing data from the UK Biobank. It exploratorily evaluated the association between various working patterns, including shift work (day workers/sometimes/frequent), night shift work (day workers/rarely/sometimes/frequent), heavy work (never/sometimes/usually/always), work satisfaction (very happy/moderately happy/moderately unhappy/very unhappy), standing work (never/sometimes/usually/always) and workplace noise (no/exposing <1 year/1 to 5 years/>5 years) and the occurrence (yes/no), frequency (constant/transient) and severity (troublesome/not troublesome) of tinnitus. Univariate and multivariable logistic regression analysis models were conducted. Sub-analysis was performed to estimate the effects of age, sex, and different working factors on tinnitus. RESULTS: The study results showed that occasional shift and night shift were associated with an increased risk of tinnitus, while frequent shift/night shift showed no such association. This risk was further exacerbated by increased heavy work, prolonged standing work, lower job satisfaction, and extended exposure to noisy workplaces. Specifically, being occasionally engaged in shift/night shift, increasing workload, and short-term noise exposure (<1 year) were correlated with "transient tinnitus," while long-time noise exposure (>5 years) was identified as a significant risk factor for "constant tinnitus." Lower work satisfaction and noise exposure for more than 1 year were positively associated with "troublesome tinnitus." CONCLUSIONS: Irregular working shifts, increasing physical workload, lower work satisfaction, and longer noise exposure were related to the occurrence, frequency, and severity of tinnitus in the UK Biobank cohort. Therefore, targeted interventions aimed at improving working patterns may help prevent tinnitus.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».