Evidence based guidelines for the prevention, identification, and management of occupational asthma
Notice bibliographique
Résumé
Commentary on the paper by Nicholson et al (see page 290) The article by Nicholson et al in this issue of OEM has an ambitious aim: to assist the Health and Safety Executive in the reduction of occupational asthma by 30% in the next five years.1 The article is very well written and timely. Occupational asthma (OA) as noted by the authors is the most common chronic occupational lung disease now in most industrialised countries and most reported rates have not shown a decline in recent years. However, it is not clear as to what database will be used (both to establish baseline incidence and in the future) to determine changes in incidence of OA which may result from these guides—the SWORD scheme, compensation claims, or a new database? Is there knowledge which could be implemented to produce a decline of the magnitude stated? Preventive measures for OA designated by the authors as having a hypersensitivity cause, have been well described, and recently reviewed.2,3 Primary prevention can have dramatic effects when it is feasible. It can be achieved by preventing the exposures which lead to sensitisation and asthma. When an allergenic agent can be removed from a workplace, be substituted with a safe alternative, or be completely enclosed so that inhalation exposure does not occur, then rates of occupational asthma from that allergen in that setting should fall by 100%. This has been the observation when natural rubber latex (NRL) gloves are replaced in healthcare settings with non-NRL gloves, and also when enzymes in a workplace are encapsulated as part of a controlled programme. Even when exposure is markedly reduced, such as use of NRL gloves which have a low protein content and are powder-free, NRL occupational asthma rates fall to close to zero. Similarly estimates …
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».