Evaluation and Further Development of EASE Model 2.0
Notice bibliographique
Résumé
EASE (Estimation and Assessment of Substance Exposure) is a general model that may be used to predict workplace exposure to a wide range of substances hazardous to health. First developed in the early 1990s, it is now in its second Windows version. This paper provides a critical assessment of the utility and performance of the EASE model, and on the basis of this review, recommendations for the structure of a revised model are outlined. Twenty-seven stakeholders were interviewed about their previous use of EASE, perceived advantages and limitations of the model and suggestions for improvement. A subset of stakeholders was contacted on a second occasion to determine their views on the preferred outputs for an ideal exposure assessment model. Overall, stakeholders felt that the model should be updated to provide more accurate and precise exposure assessments. However, users also expressed the view that the simplicity and usability of the software model should not be compromised. Six studies investigating the validity of the inhalation exposure assessment section of EASE were identified. These showed that the model generally either predicted close to the measured exposures or overestimated exposure; though performance was highly variable. Two studies investigated the validity of the dermal exposure assessment and found that EASE produced considerable overestimates of actual dermal exposure (the amount of a substance that actually lands on the skin). A conceptual model of exposure was developed to investigate whether the structure of the EASE model is appropriate. Although EASE has a number of characteristics that describe exposure, it is a greatly simplified model and does not include all the important exposure determinants. More importantly, EASE can produce estimates of exposure that are ambiguous or incomplete. Our conceptual model may provide a rational basis for developing an improved version of EASE but further consultation is needed to decide the purpose and intended use of any successor to EASE.
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 | 0,017 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; 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 ».