SKINJEM: A JOB EXPOSURE MATRIX FOR OCCUPATIONAL SKIN CANCER RISK
Notice bibliographique
Résumé
Background and Aims: Estimating occupational exposure to skin carcinogens at a population level is challenging due to a lack of specific tools to do so. The objective of this project is to create a job exposure matrix for skin carcinogens (SkinJEM), flagging industries and jobs with high potential for exposure in Canada. Methods: SkinJEM is a 2-dimensional matrix created with a standard coding system (n=520) on one axis and exposure categories on the other. Exposures were selected from the CAREX Canada database and IARC monographs. Jobs were flagged as exposed if ≥25% of workers were likely to be exposed. SkinJEM also includes a flag for ‘expert re-evaluation’, where exposures in a job differ by industry, or where there is textual information available. For situations where exposure is more industry-based than occupationally (i.e. arsenic exposure in wood preservation plants), data lines have been added to reflect this. There is also an indicator of confidence for each job line. Results: Eight compounds (solar, artificial, and ionizing radiation; PAHs, creosotes, mineral oil, coal-tars; arsenic) in 3 categories (radiation, petroleum-related, metals) were identified. All 520 unique 4-digit job codes were included in the matrix, in addition to all roll-ups to less specific codes (to accommodate varying data quality in epidemiologic studies). Of note, many jobs had expected exposure to several skin carcinogens, including welders in construction, roofers, medical staff in hospitals, and workers in utilities. Conclusions: Many Canadian workers are potentially exposed to agents that are known to or suspected of causing skin cancer. Through SkinJEM, we have found that these carcinogens may be encountered together in some workplaces. Further research is required to assess the skin toxicity of chemical/radiation mixtures. Next steps will include linkages of SkinJEM to cancer registries to examine risk for melanoma from occupational exposure to skin carcinogens.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».