Analysis of the functional and acoustical comfort of earplugs experienced by a group of workers in Canadian companies and identification of the influencing variables
Notice bibliographique
Résumé
Earplugs are essential for hearing protection in noisy workplaces, but their effectiveness depends heavily on user comfort, which influences proper and consistent use. This study explores functional and acoustical comfort experienced by 173 workers across Canadian companies, each testing different ’disposable or reusable’ earplug models over seven weeks. Comfort is assessed using detailed questionnaires covering six subdimensions: ease of insertion and removal, noise protection, impact on work, and discomfort related to internal and external noise perception. Linear mixed-effects models are applied within a triad framework encompassing person-, earplug-, and environment-related characteristics in order to identify those with a significant influence on functional and acoustical comfort. Results show that person-related variables are the most influential. Handedness, hearing loss, and prior HPD experience significantly impact comfort, with left-handed participants reporting greater insertion and removal discomfort—possibly due to earcanal asymmetry and dexterity differences. Several earcanal morphological features also play a role, including isoperimetric ratios, circumference at multiple cross-sections, conicity, and length. Only a few earplug-specific characteristics influence comfort outcomes. Foam expansion time is linked to reduced acoustical discomfort associated with the perception of internal sounds, while stem presence improves insertion ease. Environmental factors do not have significant effects. In the longer term, these findings call for a rethinking of the design and selection of ’disposable or reusable’ earplugs, primarily based on earcanal morphology and users’ past experience. The study also underscores the need for improved objective metrics to assess comfort and supports the development of more personalized hearing protection solutions.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».