Dermatitis among workers in Ontario: results from the Occupational Disease Surveillance System
Notice bibliographique
Résumé
OBJECTIVES: Dermatitis is the most common occupational skin disease, and further evidence is needed regarding preventable risk factors. The Occupational Disease Surveillance System (ODSS) derived from administrative data was used to investigate dermatitis risk among industry and occupation groups in Ontario. METHODS: ODSS cohort members were identified from Workplace Safety and Insurance Board (WSIB) accepted lost time claims. A case was defined as having ≥2 dermatitis physician billing claims during a 12-month period within 3 years of cohort entry. A 3-year look-back period prior to cohort entry was used to exclude prevalent cases without a WSIB claim. Workers were followed for 3 years or until dermatitis diagnosis, age 65 years, emigration, death or end of follow-up (31 December 2016), whichever occurred first. Age-adjusted and sex-adjusted Cox proportional hazard models estimated HRs and 95% CIs. The risk of dermatitis was explored using a job exposure matrix that identifies exposure to asthmagens, many of which also cause contact dermatitis. RESULTS: Among 597 401 workers, 23 843 cases of new-onset dermatitis were identified. Expected elevated risks were observed among several groups including furniture and fixture industries, food and beverage preparation and chemicals, petroleum, rubber, plastic and related materials processing occupations and workers exposed to metal working fluids and organic solvents. Decreased risk was observed among farmers, nurses and construction industries, and occupations exposed to latex and indoor cleaning products. CONCLUSIONS: ODSS can contribute to occupational dermatitis surveillance in Ontario by identifying occupational groups at risk of dermatitis that can then be prioritised for prevention activities.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».