S10-2 Carex canada: innovations and applications
Notice bibliographique
Résumé
Ten years ago the CAREX Canada project was initiated with the objective of identifying how many Canadians are exposed to workplace and environmental carcinogens as well as how and where they are exposed. While the occupational component of the project was largely based on the European CAREX project, CAREX Canada sought to incorporate a number of innovations based on the Finnish job exposure matrix (FinJEM), other CAREX projects such as Costa Rica’s, and large exposure database projects that were being initiated at the time. CAREX Canada sought to enhance the original CAREX model in two major ways. First, prevalence of exposure was assessed based on both industry (328 categories) and occupation (520 categories), using much finer groups than previous projects. This allowed for both better assessment of exposure and a finer level of reporting for targeting prevention efforts. Second, where possible, levels of exposure were estimated as three categories of low, medium, and high using cut-points based on occupational exposure limits. To facilitate this classification, the Canadian Workplace Exposure Database was created, using several hundred thousand measurements acquired from regulatory agencies. For example, we estimated that 380,000 workers are exposed to crystalline silica, 14% high (>0.025 mg/m3), 39% moderate (0.0125–0.025 mg/m3), and 47% low. These enhancements have made CAREX Canada a much more effective tool for use in both prevention and, through creation of job exposure matrixes, epidemiologic applications. The greater granularity of the prevalence estimates and the availability of measured exposure levels for many common carcinogens have facilitated the use of this data for cancer surveillance and burden of cancer projects. Level of exposure estimation has been particularly useful, but has been limited to what can be called the “data-rich” exposures. This project has also provided a systematic means of identifying where significant data gaps exist.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,189 | 0,050 |
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 ».