MétaCan
Menu
Retour à la cohorte
Enregistrement W1974003155 · doi:10.1136/jech.56.7.506

Effect of de-industrialisation on working conditions and self reported health in a sample of manufacturing workers

2002· article· en· W1974003155 sur OpenAlexaffabout
A. Ostry

Notice bibliographique

RevueJournal of Epidemiology & Community Health · 2002
Typearticle
Langueen
DomaineMedicine
ThématiqueOccupational exposure and asthma
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIndustrialisationMedicineLogistic regressionConfoundingSample (material)RestructuringEnvironmental healthBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

STUDY OBJECTIVE: To explore the impact of de-industrialisation over a 20 year period on working conditions and health among sawmill workers, in the province of British Columbia (BC), Canada. DESIGN AND SETTING: This investigation is based on a sample of 3000 sawmill workers employed in 1979 (a year before the beginning de-industrialisation) and interviewed in 1998. The sample was obtained by random selection from an already gathered cohort of approximately 28 000 BC sawmill workers. Change in working conditions from 1979 to 1998 are described. Self reported health status, in 1998, was used as a dependent variable in logistic regression after controlling for confounders. MAIN RESULTS: Downsizing in BC sawmills eliminated 60% of workers between 1979 and 1998. Working conditions in 1998 were better for those who left the sawmill industry and obtained re-employment elsewhere. Workers who remained employed in restructuring sawmills were approximately 50% more likely to report poor health than those re-employed elsewhere. CONCLUSIONS: Working conditions and health status were better for workers who, under pressure of de-industrialisation, left the sawmill industry and obtained re-employment outside this sector.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,771

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,425
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Epidemiology & Community HealthMême sujetOccupational exposure and asthmaTravaux en français237 207