Individual Characteristics and Quitting in Apprentices Exposed to High-molecular-weight Agents
Notice bibliographique
Résumé
To determine whether specific immunological sensitization (SIS) and symptoms of allergy are associated with quitting apprenticeships with exposure to high-molecular-weight (HMW) agents. In a cohort study of 769 apprentices starting career programs in animal health technology (AHT), pastry-making (PM), and dental hygiene technology (DHT), health status was assessed at baseline and yearly for up to 44 mo. Subjects who quit the apprenticeship were contacted and offered a last series of measurements as if they pursued. The effect of various factors-at baseline and during the career program-on quitting was examined. Eighty-nine of 769 subjects (11.6%) quit, of whom 74 participated in this study. In multivariate analysis, a history of hay fever (OR = 1.66, 95% CI = 1.0 to 2.75) and attending the pastry-making program (OR = 2.33, 95% CI = 1.11 to 4.91) were significant determinants for quitting. In the subgroup of AHT, SIS to laboratory animals, hay fever, and shortness of breath were significant determinants by univariate analysis; in PM, the only determinant was age; and in DHT, hay fever. Work-related symptoms during training were not associated with quitting. In a multivariate logistic regression analysis in AHT, including characteristics at baseline and at follow-up, baseline SIS (OR = 2.8, 95% CI = 0.94 to 8.38) and symptoms of asthma in general during follow-up (OR = 2.2, 95% CI = 0.94 to 5.38) were the main determinants for quitting, though they were of borderline significance. We conclude that health-related self-selection out of an apprenticeship with exposure to HMW agents is likely to occur and to cause an attrition bias.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».