Work disability prevention: should we focus on high body weights or heavy physical workload?
Notice bibliographique
Résumé
The paper published by Robroek et al 1 estimates the incidence of work disability attributed separately and jointly to obesity and to high physical job demands in a large longitudinal cohort of Swedish construction workers. This cohort has been well described previously and has important strengths, including a large representative sample of male workers in this sector. For construction workers who participated in a programme offering periodic health examinations, height and weight, measured directly, were obtained from a first examination. The mean age of the 328 743 men at the time of first examination was 32 years of age. Approximately 29% were overweight (body mass index (BMI) 25–29) and 4% were obese (BMI >30). Physical workload measures were imputed from a job exposure matrix. Information on self-reported exposures of the frequency of lifting heavy loads and the frequency of working in bent or twisted working postures was obtained from 77 000 construction workers over the period 1989–1992. From this information, 22 categories of construction occupations were assigned to one of three ordinal groups: low (14.7%), intermediate (28.0%) and high (57.4%) physical workload. The study found an association between overweight and obese status and the receipt of a disability benefit over a mean follow-up of 22 years. (HR overweight: 1.21, 95% CI 1.19 to 1.23, HR obese: 1.70, 95% CI 1.65 to 1.76. Workers in occupations with higher …
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 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,023 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».