MétaCan
Menu
← Retour à la cohorte
Enregistrement W2809382033 · doi:10.1038/s41598-018-27999-6

Severity of Airflow Obstruction and Work Loss in a Nationwide Population of Working Age

2018· article· en· W2809382033 sur OpenAlexaff
Sun Hye Shin, Jihwan Park, Juhee Cho, Don D. Sin, Hyun Lee, Hye Yun Park

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSamsungFondation pour la Recherche Médicale
Mots-clésSpirometryMedicineVital capacityCOPDNational Health and Nutrition Examination SurveyPopulationPhysical therapyCross-sectional studyGerontologyInternal medicineEnvironmental healthAsthmaLung function

Résumé

récupéré en direct d'OpenAlex

The impact of COPD severity on labor force participation and work loss is not well known. This study aimed to describe the characteristics of occupations and to evaluate the reason for work loss based on the severity of airflow obstruction (AO). We performed a cross-sectional study using data from the Korean National Health and Nutrition Examination Survey V-VI. We identified 9,901 people aged 40 to 60 years who had normal or AO in spirometry test results. AO was defined as a pre-bronchodilator forced expiratory volume in 1 second/forced vital capacity <70%. AO was present in 7.6% of the subjects, and 81.5%, 82.9%, and 71.6% of subjects with mild, moderate, and severe-to-very severe AO were in the labor force, respectively. Multivariable analyses revealed that severe-to-very severe AO subjects were more likely to have precarious job (adjusted OR = 4.71, 95% CI = 1.70-13.06) and cite health-related problem as the reason for not being in the labor force (adjusted OR = 3.38, 95% CI = 1.03-11.02). Overall, AO was not associated with any significant changes in labor force participation. However, subjects with severe-to-very severe disease were more likely to drop out of the labor force owing to their health-related problems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,296
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetChronic Obstructive Pulmonary Disease (COPD) Research→Travaux en français237 207→