Performance of population specific job exposure matrices (JEMs): European collaborative analyses on occupational risk factors for chronic obstructive pulmonary disease with job exposure matrices (ECOJEM)
Notice bibliographique
Résumé
OBJECTIVES: To compare the performance of population specific job exposure matrices (JEMs) and self reported occupational exposure with data on exposure and lung function from three European general populations. METHODS: Self reported occupational exposure (yes or no) and present occupation were recorded in the three general population surveys conducted in France, The Netherlands, and Norway. Analysis was performed on subjects, aged 25-64, who provided good forced expiratory volume in 1 second (FEV1) tracings and whose occupations were performed by at least two people, in the French (6217 men and 5571 women), the Dutch (men from urban (854) and rural (780) areas), and the Norwegian (395 men) surveys. Two population specific JEMs, based on the percentage of subjects who reported themselves exposed in each job, were constructed for each survey and each sex. The first matrix classified jobs into three categories of exposure according to the proportion of subjects who reported themselves exposed in each job (P10-50 JEM, low < 10%, moderate 10-49%, high > or = 50%). For the second matrix, a dichotomous variable was constructed to have the same statistical power as the self reported exposure--that is, the exposure prevalence (p) was the same with both exposure assessment methods (Pp JEM). Relations between occupational exposure, as estimated by the two JEMs and self reported exposure, and age, height, city, and smoking adjusted FEV1 score were compared. RESULTS: Significant associations between occupational exposure estimated by the population specific JEM and lung function were found in the French and the rural Dutch surveys, whereas no significant relation was found with self reported exposure. In populations with few subjects in most jobs, exposure cannot be estimated with sufficient precision by a population specific JEM, which may explain the lack of relation in the Norwegian and the Dutch (urban area) surveys. CONCLUSION: The population specific JEM, which was easy to construct and cost little, seemed to perform better than crude self reported exposures, in populations with sufficient numbers of subjects per job.
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 | 0,018 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».