MétaCan
Menu
Retour à la cohorte
Enregistrement W2105991304 · doi:10.1002/ajim.20530

Trends and characteristics of compensated occupational cancer in Ontario, Canada, 1937–2003

2007· article· en· W2105991304 sur OpenAlexafffundabout
Erin Pichora, Jennifer Payne

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueOccupational and environmental lung diseases
Établissements canadiensUniversity of TorontoDalhousie UniversityCancer Care Ontario
Organismes subventionnairesWorkplace Safety and Insurance BoardCancer Care Ontario
Mots-clésOccupational cancerMedicineWorkers' compensationAdjudicationEnvironmental healthIndemnityDemographicsCancerOccupational safety and healthCompensation (psychology)Occupational medicineOccupational exposureGerontologyDemographyFamily medicineActuarial scienceLawBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada, administrative databases maintained by provincial workers' compensation boards are often the best or the only available data source for describing trends and characteristics of occupational cancer. In Ontario, approximately 75% of the labor force is covered by the Ontario Workplace Safety and Insurance Board (WSIB) and allowed cancer claims date back to 1937. METHODS: The purpose of this study was to describe WSIB-allowed cancer claims by worker demographics, claim characteristics, year of filing, cancer type, and work exposure measures including workplace agent, occupation and industry. RESULTS: In total, claims were filed and compensated for one or more malignant neoplasms by, or on behalf of, 3,126 workers between 1937 and 2003. CONCLUSIONS: Results show trends in cancer compensation reflecting changes in the characteristics and prevalence of workers exposed to workplace carcinogens, as well as changes to WSIB adjudication policies over time.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,194

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,285
Écart entre enseignants0,258 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetOccupational and environmental lung diseasesTravaux en français237 207