MétaCan
Menu
Retour à la cohorte
Enregistrement W2970768000 · doi:10.1136/oem-2019-epi.55

O2E.4 Evaluation of exposure assessment methods in epidemiological studies: the welding example

2019· article· en· W2970768000 sur OpenAlexaff
Susan Peters, Jérôme Lavoué, Marissa G. Baker, Hans Kromhout

Notice bibliographique

RevueOccupational and Environmental Medicine · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésExposure assessmentWeldingMedicineRisk assessmentEpidemiologyEnvironmental healthOccupational exposurePathologyComputer scienceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Exposure assessment quality is a fundamental consideration in the design and evaluation of observational studies. High quality exposure assessment is particularly relevant for outcomes with long latency, such as cancer, where detailed information on past exposures are often missing and must therefore be estimated. For the IARC Monograph on welding, the exposure group provided an overview of assessment methods used in the key epidemiological studies. Strengths and weaknesses of each study were assessed, along with their potential effects on interpretation of risk estimates. For the association between lung cancer and welding fume exposure, 9 cohort and 10 case-control studies were reviewed. For ocular melanoma and ultraviolet radiation (UVR) from welding, 7 case-control studies were reviewed. Quality criteria were: full occupational histories, and standardized, blinded and quantitative exposure assessment. Additional criteria for lung cancer: specifically assessing welding fumes and using information on welding tasks. For ocular melanoma: assessing artificial and solar radiation separately, taking into account eye burns, eye protection and welding type. Exposure assessment of welding fumes by applying a ‘welding-exposure matrix’ (n=2) or welding-specific questionnaires (n=3) were considered highest quality, followed by case-by-case expert assessment (n=5) or general job-exposure matrices (JEMs, n=4). Job title alone was considered less informative (n=5). For exposure to UVR, JEMs were most informative (n=2), followed by self-reported eye burns and self-reported exposure from specific welding types (n=2), although caution is advised regarding recall bias. Assessing welding fume exposure or ever exposure to welding arcs as proxy for UVR was considered less informative. For both exposures, ever versus never welder, or assessments based on data collected from proxies, were considered least informative. The overall evaluation was that there is sufficient evidence in humans for the carcinogenicity of welding fumes and ultraviolet radiation from welding.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,208
score de la tête « metaresearch » (Gemma)0,331
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil0,977

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2080,331
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,003
Communication savante0,0060,005
Science ouverte0,0030,004
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,286
Tête enseignante GPT0,507
Écart entre enseignants0,221 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOccupational and Environmental MedicineMême sujetAir Quality and Health ImpactsTravaux en français237 207