Overreliance on a Single Study: There is no Real Evidence that Applying Quality Criteria to Exposure in Asbestos Epidemiology Affects the Estimated Risk
Notice bibliographique
Résumé
A critical need exists for reliable risk management policies and practices that can effectively mitigate asbestos-related health threats, and such policies and practices need to be based on sound science that adequately distinguishes hazardous situations from those that are not. Toward that end, the disparate means by which study quality has been addressed in recent meta-analyses used to establish potency factors (K ( L ) and K ( M ) values) for asbestos cancer risks were compared by conducting additional sensitivity analyses. Results suggest that, other than placing undue emphasis on the influence of the K ( L ) and K ( M ) values reported from a single study, there appears to be little to no evidence of a systematic effect of study quality on K ( L ) or K ( M ) values; none of the findings warrant excluding studies from current or future meta-analyses. Thus, we argue that it is better to include as much of the available data as possible in these analyses while formally addressing uncertainty as part of the analysis itself, rather than sequentially excluding studies based on one type of limitation or another. Throwing out data without clearly proving some type of bias is never a good idea because it will limit both the power to test various hypotheses and the confidence that can be placed in any findings that are derived from the resulting, truncated data set. We also believe that it is better to identify the factors that contribute to variation between studies included in a meta-analysis and, by adjusting for such factors as part of a model, showing that the disparate values from individual studies can be reconciled. If such factors are biologically reasonable (based on other evidence) and, if such a model can be shown to fit the data from all studies in the meta-analysis, the model is likely to be predictive of the parameters being evaluated and can then be applied to new (unstudied) environments.
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 | 0,580 | 0,719 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,016 | 0,023 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».