MétaCan
Menu
Retour à la cohorte
Enregistrement W2057899642 · doi:10.3390/ijerph10126442

Occupational Pesticide Exposures and Respiratory Health

2013· review· en· W2057899642 sur OpenAlexaff
Ming Ye, Jeremy Beach, Jonathan W. Martin, Ambikaipakan Senthilselvan

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueOccupational exposure and asthma
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthPesticidePersonal protective equipmentMedicineChronic bronchitisOccupational safety and healthAgricultureToxicologyPathologyBiologyCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

Pesticides have been widely used to control pest and pest-related diseases in agriculture, fishery, forestry and the food industry. In this review, we identify a number of respiratory symptoms and diseases that have been associated with occupational pesticide exposures. Impaired lung function has also been observed among people occupationally exposed to pesticides. There was strong evidence for an association between occupational pesticide exposure and asthma, especially in agricultural occupations. In addition, we found suggestive evidence for a link between occupational pesticide exposure and chronic bronchitis or COPD. There was inconclusive evidence for the association between occupational pesticide exposure and lung cancer. Better control of pesticide uses and enforcement of safety behaviors, such as using personal protection equipment (PPE) in the workplace, are critical for reducing the risk of developing pesticide-related symptoms and diseases. Educational training programs focusing on basic safety precautions and proper uses of personal protection equipment (PPE) are possible interventions that could be used to control the respiratory diseases associated with pesticide exposure in occupational setting.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,215
Tête enseignante GPT0,487
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations238
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetOccupational exposure and asthmaTravaux en français237 207