Predicting Historical Dust and Wood Dust Exposure in Sawmills: Model Development and Validation
Notice bibliographique
Résumé
Nonspecific dust measurements are used as a surrogate for wood dust exposure in sawmills. However, the wood dust component of dust has been found to vary by job and work area. Thus, the use of nonspecific dust exposure levels in epidemiologic studies may introduce exposure misclassification when assessing wood-related health effects. To improve exposure assessment in a retrospective cohort of 28,000 sawmill workers, we developed and evaluated the validity of two empirical models of exposure: one for nonspecific dust and one for wood dust. The dust model was constructed using 1,395 dust measurements collected in 13 sawmills for research or regulatory purposes from 1981 to 1997. Inter-sampler conversion factors were used to obtain inhalable dust equivalents if necessary. The wood dust model was constructed after applying adjustment factors to subtract nonwood components of the dust from the original measurements. The validity of the two models was tested against measurements (n = 213) from a technologically similar mill that was not part of the cohort study. The proportions of variability explained by the dust and wood dust models were 35% and 54%, respectively. When tested against the validation mill, the biases in the dust model were -33% for outdoor jobs and 2% for indoor jobs. The biases in the wood dust model were 2% for outdoor jobs and -3% for indoor jobs. Strong correlations were observed between the predicted and observed geometric means of jobs (0.79 and 0.70 for the dust model and wood dust model, respectively). Testing the validity of predictive models examines the generalizability of the models. The low overall bias, especially in the wood-specific model, increases our confidence in the use of these models for all sawmills to assess both nonspecific particulate and wood-related health effects in the historical cohort study.
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 | 0,000 |
| 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 ».