The use of Bayesian inference to inform the surveillance of temperature-related occupational morbidity in Ontario, Canada, 2004–2010
Notice bibliographique
Résumé
PURPOSE: To assess the associations of occupational heat and cold-related illnesses presenting in emergency departments in south western Ontario, Canada, with daily meteorological conditions using Bayesian inference. METHODOLOGY: Meteorological and air pollution data for the south western economic region of Ontario were gathered from Environment Canada and the Ministry of Environment. Daily heat and cold-related emergency department visits clinically attributed to work from 2004 to 2010 were tabulated. A novel application of Bayesian inference on a flexible Poisson time series model was undertaken to examine linear and non-linear associations between average, regional meteorological conditions and daily morbidity rates, to adjust for relevant confounders and temporal trends, and to consider potential interactions. RESULTS: Bilinear associations were observed between regional temperatures and morbidities resulting from extreme temperature exposures. The median increase in the daily rate of emergency department visits for heat illness was 75% for each degree above 22°C (posterior 95% credible interval (CI) relative rate=1.56-1.99) in the daily maximum temperature. Below 0°C, rates of occupational cold illness increased by a median of 15% for each degree decrease in the minimum temperature (posterior 95% CI 0.80-0.91); wind speed also had a significant effect. CONCLUSIONS: The observed associations can inform occupational surveillance and injury prevention programming, as well as public health efforts targeting vulnerable populations. Methodologically, the use of Bayesian inference in time series analyses of meteorological exposures is feasible and conducive to providing accurate advice for policy and practice.
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 | 0,013 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».