O24-1 Characterisation of the selective recording of sample results in osha’s imis databank
Notice bibliographique
Résumé
Objectives The Integrated Management Information System (IMIS) is the largest multi-industry source of exposure measurements available in North America. In 2010, the Occupational Safety and Health Administration (OSHA) released a second databank, the Chemical Exposure Health Data (CEHD), which contains analytical results of samples collected by OSHA inspectors. However, the two databanks only partially overlap. We investigated the selective recording of sample results into IMIS from CEHD. Methods This analysis was based on personal exposure measurements of 78 agents from 1984–2009. The association between 9 variables (level of exposure coded as detected vs. non-detected (ND), panel status, sampling time, issuance of a citation, presence of other detected levels in inspection, year, OSHA region, amount of penalty, and establishment size) and a CEHD sample record being present in IMIS was analysed using modified Poisson regression. Results A total of 588 818 CEHD measurements were examined. The overall proportion of CEHD measurements recorded into IMIS was 38% (50% for detected and 29% for ND measurements). Higher probability of recording of detected vs. ND measurement depended on whether it was part of a panel (risk ratio (RR) = 1.70, 95% confidence interval (CI): 1.67–1.73) or single determination of an agent (RR = 1.24, 95% CI: 1.21–1.26). Probability of recording increased from 1984 to 2009 for measurements of a single agent, but remained constant for samples measured on panels. Some OSHA regions had probability of recording two times higher than others. None of the other variables were associated with a CEHD sample record being present in IMIS. Conclusions Our results indicate that the under-reporting of measurements in IMIS is differential: ND samples (especially the panel ND samples) seem less likely to be recorded in IMIS than other samples. The degree of bias that this selective recording indicates remains to be understood.
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 | 0,031 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».