O1D.5 Non-detects in OSHA’s IMIS databank: are they short-term or shift-long samples?
Notice bibliographique
Résumé
Objectives The Integrated Management Information System (IMIS) is the largest multi-industry source of exposure measurements available in North America. However, the lack of information on the censoring value (that depends on duration of sampling) of non-detected (ND) measurements considerably limits the usefulness of this databank. Released in 2010, the Chemical Exposure Health Database (CEHD) contains analytical results and measurement details, including duration of sampling for some of the records in IMIS. We assessed which ND results stored in IMIS are short-term (ST), and which are shift-long (LT) samples, based on information available in CEHD. Methods We analyzed exposure measurements for 54 agents from 1984–2009 (n=238,826). First, we calculated kappa coefficients (&_x0138;) for each agent to investigate the agreement between the exposure type of IMIS detected records (already indicated as ST or LT, i.e. selected by OSHA officers) and the exposure type suggested by sampling duration found in CEHD. If &_x0138; exceeded 0.3 for an agent, we employed classification and regression trees (CART) models to predict whether the ND results from IMIS should be classified as ST or LT samples. CART was developed using CEHD and applied to IMIS, relying on predictors common to both databanks: industry, reason for inspection, scope of inspection, region, union status, and year of sampling. Results The median proportion of ND results per agent was 37% (interquartile range (IQR)=22%–62%). The median &_x0138; was 0.45 (IQR=0.37–0.64) and 0.03 (IQR=0.01–0.16) for solvents/gases and metals/isocyanates, respectively. Solvents (n=22) and gases (n=7) were selected for CART modeling. Industry was the most important predictor variable in classifying ND results into either ST or LT. Conclusions This novel approach can be used to assign a censoring value to ND results, thus allowing more accurate inference about distribution of exposure levels in IMIS.
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 | 0,016 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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.
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 ».