Establishing the Occupational Disease Surveillance System (ODSS) for Ontario: a linkage of administrative data
Notice bibliographique
Résumé
IntroductionWorkplace conditions and exposures are important determinants of health. However, identifying and monitoring population-level trends in work-related disease is challenged by existing data limitations. Administrative health databases capture timely and accurate information about disease diagnoses among the Ontario population, but these data do not include work history.
 Objectives and ApproachThe Occupational Disease Surveillance System (ODSS), launched in 2017, captures and reports trends in work-related disease in Ontario. A cohort of 2+ million workers was identified from compensation claims (1983-2014). Records were linked through probabilistic and deterministic methods to the Registered Persons Database (1990-2015), and administrative health databases including the Ontario Cancer Registry (1964-2016), hospitalization (2006-2016), ambulatory care (2006-2016) and provincial health insurance plan billing data (1999-2016). Preliminary applications of ODSS have examined risks of 28 cancer sites and 11 non-cancer health conditions. Risks are estimated with Cox proportional hazards models for thousands of industry and occupation groups.
 ResultsLinkage of existing administrative databases is an efficient approach for examining risk factors for work-related disease at the population level. ODSS can identify groups of workers by industry or occupation that are at increased risk of disease due to known or suspected workplace conditions and risk factors. For example, ODSS detected elevated risk of lung cancer among known at-risk workers employed in mining and quarrying (HR 1.47, 95% CI 1.33-1.61), transport equipment operating (HR 1.39, 95% CI 1.34-1.44), and construction (HR 1.09, 95% CI 1.06-1.13). Exploratory analyses can also detect previously unknown associations between work-related risk factors and disease. For example, although dermatitis and asthma are common occupational diseases, many causative exposures remain unclear. ODSS is currently being used to further explore potential risk factors.
 Conclusion/ImplicationsTimely information about work-related disease is crucial to support prevention initiatives to protect workers. This novel linkage identifies existing and emerging trends in occupational disease in Ontario. By capturing work-related risk factors, ODSS serves as a model for other provinces to overcome existing gaps in disease surveillance.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».