A retrospective assessment of occupational noise exposures for a longitudinal epidemiological study
Notice bibliographique
Résumé
OBJECTIVES: Chronic exposure to high levels of noise may be associated with increased risk of cardiovascular disease. We therefore undertook a quantitative retrospective exposure assessment using predictive statistical modelling to estimate historical exposures to noise among a cohort of 27,499 sawmill workers as part of an investigation of acute myocardial infarction mortality. METHODS: Noise exposure data were gathered from research, industry and regulatory sources. An exposure data matrix was defined and exposure level estimated for job title/mill/time period combinations utilising regression analysis to model determinants of noise exposure. Cumulative exposure and duration of exposure metrics were calculated for each subject. These were merged with work history data, and exposure-response associations were tested in subsequent epidemiological studies, reported elsewhere. RESULTS: Over 14,000 noise measurements were obtained from British Columbia sawmills. A subset, comprising 1901 full-shift dosimetry measurements from cohort mills was used in producing a predictive model (R(2) = 0.51). The model was then used to estimate noise exposures for 3809 "cells" of an exposure data matrix representing 81 jobs at 14 mills over several decades. Various exposure metrics were then calculated for subjects; mean cumulative exposure was 101 dBA*year. Mean durations of employment in jobs with exposure above thresholds of 85, 90 and 95 dBA, were 9.9, 7.0 and 3.2 years, respectively. CONCLUSIONS: The utility of predictive statistical modelling for occupational noise exposure was demonstrated. The model required input data that were relatively easily obtained, even retrospectively. Remaining issues include adequate handling of the use of hearing protectors that likely bias exposure estimation.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».