Translation of mechanical exposure in the workplace into common metrics for meta-analysis: a reliability and validity study
Notice bibliographique
Résumé
OBJECTIVES: We previously assessed inter-rater reliability of expert raters using six scales to estimate the intensity of literature-based mechanical exposures. The objectives of this study were to estimate the impact on the inter-rater reliability of using non-expert (NE) raters and to assess the validity of our scales. METHODS: We used 7-point scales to represent three dimensions of mechanical exposures at work: 1) trunk posture, 2) weight lifted or force exerted and 3) spinal loading. We estimated both peak and cumulative loads and called this an "interpretive translation" of exposure. A second method, "algorithmic translation", used the original units in which the exposure data was collected. These data were used to assess the inter-rater reliability and validity of the NE interpretive translation of exposure. RESULTS: The NE inter-rater reliability for the scales ranged from 0.24 to 0.46. The correlation between the means of the NE and expert ratings were >0.7. Although there was a strong relationship between the NE interpretive and the algorithmic translation, there was some evidence that the interpretive translation plateaus at higher level of exposure. CONCLUSIONS: This study supports using NE raters to estimate the intensity of literature-based mechanical exposure metrics using a common set of scales which can be applied across epidemiologic studies. We would need to average the ratings of at least five NE raters to have an acceptable level of reliability (>0.7). These metrics may be useful to quantify the relationship between workplace mechanical exposure and low back pain in a systematic review and meta-analysis.
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 | 0,361 | 0,611 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,025 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».