Occupationally Related Nickel Reactions: A Retrospective Analysis of the North American Contact Dermatitis Group Data 1998–2016
Notice bibliographique
Résumé
BACKGROUND: The epidemiology of nickel allergy in occupational settings is not well understood. OBJECTIVE: The aim of the study was to characterize occupationally related nickel allergy (ORNA). METHODS: This is a retrospective cross-sectional analysis of 44,378 patients patch tested by the North American Contact Dermatitis Group from 1998 to 2016. Characteristics of individuals with ORNA were compared with those with non-ORNA (NORNA). RESULTS: A total of 7928 (18.2%) individuals were positive to nickel sulfate 2.5%. Two hundred sixty-eight (3.4%) had ORNA. As compared with NORNA, ORNA was statistically associated with the male sex (41.0% vs 12.9%, P < 0.001), a diagnosis of irritant contact dermatitis (22.4% vs 12.0%, P < 0.001), and no history of eczema (81.7% vs 75.7%, P = 0.0217). The most common sites of ORNA dermatitis were hand (39.9%) and arm (18.1%), which were significantly more common than in NORNA (P < 0.0001). Sixteen industry categories and 22 occupation categories were identified for ORNA; the most common industries were durable goods manufacturing (24.6%) and personal services (15.7%), and the most frequent occupations were hairdressers/cosmetologists/barbers (14.3%), machine operators (9.3%), and health care workers (7.1%). Overall 30% of ORNA occupations were in metalworking. Of 215 ORNA sources identified, instruments/phones/other equipment (16.3%), vehicles/machinery (15.8%), and tools (15.3%) were the most common. CONCLUSIONS: Occupational nickel allergy is distinct from nonoccupational nickel allergy.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».