利用数据挖掘技术分析印度农用拖拉机司机的声度数据

科学领域:

• 职业健康 职业健康 职业健康
• 听力学 听力学是指听力学.
• 数据挖掘 数据挖掘

背景情况:

• 农业拖拉机噪音是一个主要的职业危险,导致噪音引起的听力损失 (NIHL).
• 印度农业拖拉机司机 (ATD) 面临风险,需要进行风险评估和了解听力损伤模式.

研究的目的:

• 为了评估印度ATD的NIHL风险.
• 应用无监督数据挖掘 (k-means集群) 来分类听力测量数据和了解听力损伤.

主要方法:

• 印度ATD (5-43年经验) 的听力测量资料的横截面研究.
• 在频率 (0.125 kHz至8 kHz) 上进行听力测试.
• K-表示对听力测量数据应用的集群;ANOVA用于评估因素意义 (年龄,经验,体重).

主要成果:

• 听力值水平随着超过10年的经验而增加.
• K-means集群显示了听力测量频率和集群之间的统计学上显著差异.
• 长时间的拖拉机操作显著影响了双耳的听力.

结论:

• 在职业噪音暴露研究中,K-means集群对于分析听力测量数据是有效的.
• 这些发现支持为农业工人制定有针对性的听力保护计划.
• 建议包括立法意识和促进更安静的拖拉机设计.