0284 Carex: an occupational exposure surveillance system overview
Notice bibliographique
Résumé
The CAREX system for occupational carcinogen exposure surveillance was developed by the Finnish Institute of Occupational Health in collaboration with IARC and European exposure experts in the early 1990s, and was shortly thereafter adapted for use in approximately 15 other countries in the European Union. The original platform (developed for Microsoft Access) allowed for assignment of exposure proportions by 55 industry categories, but was a breakthrough at the time in terms of amalgamating exposure measurement data and occupational hygiene knowledge surrounding carcinogen exposure. Recognising the importance of CAREX in occupational cancer prevention, several other countries around the world have since adapted the original system for use in their own countries, with a few making large improvements to the model. A notable example is Costa Rica, with their TICAREX adaptation that estimated pesticide exposure for the first time, and considered sex as an exposure-defining feature in workplaces. In Canada, the system was expanded further to consider exposure by hundreds of detailed industry and occupation codes, sex, sub-geographical regions within a country, and level of exposure where possible. In addition, an entirely new system for considering community environmental carcinogen exposures was added. The Canadian team has been working with the Pan American Health Organisation and other partners to expand the use of the enhanced CAREX to other countries, in particular those of lower and middle income, where capacity for new research and data structures may be difficult. After 25 years, the CAREX model continues to evolve and improve to meet current needs.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,010 |
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 ».