Work-related asthma from cleaning agents versus other agents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Cleaning agents have been commonly implicated as causative or triggering factors in work-related asthma (WRA), mainly from epidemiologic studies. Relatively few clinical series have been reported. AIMS: We aimed to compare socio-demographic and clinical features among tertiary clinic patients with WRA exposed to cleaning and non-cleaning products. METHODS: Analyses were conducted on a patient database containing 208 patients with probable WRA referred to the asthma and airway centre at a tertiary centre hospital in Canada from 2000 to 2014. Chi-squared and independent samples t-tests were used to analyse categorical and continuous data, respectively. RESULTS: Twenty-two (11%) WRA cases were attributed to a variety of cleaning product exposures, 12 were diagnosed as occupational asthma (OA) and 10 as work-exacerbated asthma (WEA) (10% of all OA and 11% of all WEA). There were multiple exposures and the responsible agent(s) could seldom be clearly identified. Most frequent categories of exposure were surfactants, alcohols, disinfectants and acids. Compared to WRA with other exposures, those with cleaning agent exposures had a significantly larger proportion of females (82 versus 35%, P < 0.001), included a higher percentage of workers in healthcare (41 versus 4%, P < 0.001), and submitted more workers' compensation claims (86 versus 64%, P = 0.05). Other characteristics were comparable. CONCLUSIONS: In a tertiary referral clinic, patients with WRA from cleaning agent exposure had clinical characteristics that were similar to those with WRA from other causes. Most frequent exposures were surfactants, alcohols, disinfectants and acids.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 découle