Agreement in Occupational Exposures Between Men and Women Using Retrospective Assessments by Expert Coders
Notice bibliographique
Résumé
Objectives: To estimate the level of agreement and identify notable differences in occupational exposures (agents) between men and women from retrospective assessments by expert coders. Methods: Lifetime occupational histories of 1657 men and 2073 women from two case-control studies, were translated into exposure estimates to 243 agents, from data on 13882 jobs. Exposure estimates were summarized as proportions and frequency-weighted intensity of exposure for 59 occupational codes by sex. Agreement between metrics of exposure in men's and women's jobs was determined with intraclass correlation coefficients (ICC) and weighted Kappa coefficients, using as unit of analysis ('cell') a combination of occupational code and occupational agent. 'Notable' differences between men and women were identified for each cell, according to a Bayesian hierarchical model for both proportion and frequency-weighted intensity of exposure. Results: For cells common to both men and women, the ICC for continuous probability of exposure was 0.84 (95% CI: 0.83-0.84) and 7.4% of cells showed notable differences with jobs held by men being more often exposed. A weighted kappa of 0.67 (95% CI: 0.61-0.73) was calculated for intensity of exposure, and an ICC of 0.67 (95% CI: 0.62-0.71) for frequency-weighted intensity of exposure, with a tendency of higher values of exposure metrics in jobs held by men. Conclusions: Exposures were generally in agreement between men and women. Some notable differences were identified, most of them explained by differential sub-occupations or industries or dissimilar reported tasks within the studied occupations.
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 | 0,037 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».