MétaCan
Menu
Retour à la cohorte
Enregistrement W2937670064 · doi:10.4000/activites.4103

Proposition méthodologique en ergotoxicologie pour révéler les expositions à des produits chimiques

2019· article· fr· W2937670064 sur OpenAlexaff
Louis Galey, Nathalie Judon, Caroline Jolly, Fabienne Goutille, Sarah Morelot, Marion Albert, Olivier Lhospital, Patrick H. Martin, Catherine Nöel-Suberville, Pierrick Pasquereau, Agnès Aublet‐Cuvelier, Brahim Mohammed‐Brahim, Alain Garrigou

Notice bibliographique

RevueActivites · 2019
Typearticle
Languefr
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensInstitut de recherche Robert-Sauvé en santé et en sécurité du travail
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

L’ergotoxicologie a constitué depuis une quinzaine d’années un corpus conceptuel et méthodologique (Garrigou, 2011 ; Mohammed-Brahim & Garrigou, 2009) afin de contribuer à la prévention des expositions des travailleurs aux produits chimiques. Faisant suite au texte de Mohammed-Brahim et Garrigou (2009) publié dans cette revue, cet article présente les derniers développements méthodologiques en ergotoxicologie et en particulier les apports de l’usage de mesures en temps réel synchronisées à des enregistrements vidéo de situations de travail. La méthodologie fait alors appel à une technique de video exposure monitoring (VEM), dont l’objectif est de « révéler » des situations d’exposition à des produits chimiques, afin de les mettre en débat au sein des entreprises et les transformer dans une logique préventive. Cette contribution méthodologique s’appuie sur un retour d’expérience basé sur trois études de cas. Enfin, nous discutons les perspectives de cette méthodologie pour l’ergonomie afin de développer des pratiques de prévention impliquant les travailleurs, leur encadrement et les acteurs de la santé au travail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,163
Tête enseignante GPT0,475
Écart entre enseignants0,312 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActivitesMême sujetOccupational Health and Safety ResearchTravaux en français237 207