Mémoire du travail et des expositions professionnelles aux cancérogènes
Notice bibliographique
Résumé
Selon les estimations officielles, en 2000 environ 32 millions de travailleurs européens (de l’Europe des 15) étaient exposés à des cancérogènes. Depuis 2002, considérant la maladie comme « événement-sentinelle » pour la connaissance des activités de travail exposant aux cancérogènes, le Groupement d’intérêt scientifique sur les cancers d’origine professionnelle (GISCOP93) mène une enquête permanente auprès de patients atteints de cancer en Seine Saint Denis (France). S’appuyant sur les récits recueillis auprès des patients et sur l’expertise des spécialistes en matière d’exposition, une démarche d’analyse et de classement des activités exposées a été réalisée pour l’élaboration d’un répertoire des activités de travail en présence de produits/procédés cancérogènes. L’objectif de cet article est de mettre en perspective cette nouvelle base de données par rapport à quelques sources d’information concernant l’exposition professionnelle aux cancérogènes, déjà disponibles en ligne, en montrant l’apport d’une méthode de recueil d’information fondée sur l’expérience et la parole des travailleurs.
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 | 0,016 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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 ».