Which tools best predict the incidence of work-related sensitisation and symptoms
Notice bibliographique
Résumé
BACKGROUND/AIM: This study used information from the questionnaire alone or in conjunction with clinical tests, such as skin-prick testing (SPT) and bronchial responsiveness (BR) testing at entry, to develop models for estimating the probability of the occurrence of specific IgE-sensitisation to and respiratory symptoms in contact with laboratory animal (LA) allergens after 32 months' training in an animal health technology programme. METHODS: Four multivariable logistic regression models were developed for each endpoint, consisting of: (1) questionnaire; (2) questionnaire and SPT; (3) questionnaire and BR testing; and (4) questionnaire, SPT and BR testing. The prognostic models were derived from a cohort of Canadian animal health technology apprentices. The models' internal validity and diagnostic accuracy were evaluated and compared. RESULTS: Symptoms indicative of asthma and allergic symptoms at baseline composed the final questionnaire model for the occurrence of occupational sensitisation and symptoms. Both questionnaire models showed a good discrimination (area under the receiver operating characteristics curve were 0.73 and 0.78, respectively) and calibration (Hosmer-Lemeshow test p value >0.10). Addition of SPT and/or BR testing increased the specificity of the questionnaire model for LA sensitisation, but not for symptoms at work. To facilitate their application in practice, the final questionnaire models were converted to easy-to-use scoring system. CONCLUSIONS: Questionnaire is an easy tool that can give accurate prediction of the incidence of occupational sensitisation and symptoms.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».