Impact of aggregating exposure information from cases and controls when building a population-based job-exposure matrix from past expert evaluations
Notice bibliographique
Résumé
OBJECTIVES: To assess whether the inclusion of data from cases would bias a job-exposure matrix (JEM), we evaluated whether exposures were systematically different between cases and controls from a large historical case-control study. METHODS: Data included 10 381 jobs assessed for occupational exposure to 294 agents within a lung cancer case-control study. For each sex, 1 JEM was developed from case jobs, and 1 from control jobs: with occupation (four-digit occupational codes), time period (1945-1959, 1960-1984, 1985-1995) and agent axes. We estimated concordance in exposure status (defined as probability of exposure threshold ≥5%) and exposure metrics of probability and intensity of exposure, between the 2 JEMs. RESULTS: Of all hypothetical occupation-period-agent combinations, most had no or few observations. Among males there were 8136 common cells (24-occupational codes, 3-periods, 226-agents), containing sufficient observations for comparison with 92% concordance in exposure status; discordance was equally likely to be towards cases or controls. Females had 1710 common cells (9-occupational codes, 3-periods, 114-agents) with 93% concordance in exposure status; discordant cells were more likely to reflect greater exposure among cases. Among concordantly exposed cells, probability and intensity of exposures were highly correlated between the case JEM and control JEM (Kendall τ>0.50), and absolute differences were small (median difference in probability <1.5%, median ratio in intensity=1.00) for both sexes. CONCLUSIONS: Agreement between the case JEM and control JEM was high, suggesting that aggregating the case and control information in our study into a single JEM is justifiable given the benefits of increased sample size.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».