Is a JEM an informative exposure assessment tool for night shift work?
Notice bibliographique
Résumé
In this issue of Occupational and Environmental Medicine , Fernandez et al 1 investigate the role of maternal night shift work in occurrence of urogenital anomalies in offspring. The authors inferred potential exposure to night shift work by applying a job-exposure matrix (JEM)2 to mothers’ recorded occupations in the Australian Perinatal Registry. This study’s assessment of night shift work across various occupations, with nurses reported separately from other types of workers, adds valuable knowledge on a rarely studied outcome. The authors acknowledge that the lack of individual-level information on shift schedules precluded their ability to assess differences in duration and/or intensity of night shift work, which may variably interfere with reproductive function and recommend ‘investigation in a sample with more detailed exposure information’. This is an important recommendation given the widely recognised complexity of assessing exposures in epidemiological studies of night shift work.3 ‘Night shift work’ refers to work that occurs during the regular sleeping hours of the general population.3 As such, it is not an exposure in the traditional sense, but rather a proxy for a complex combination of exposures and circumstances leading to circadian disruption.4 In addition to a wide variety of schedule characteristics, these include light at night (LAN), phase shift, sleep disturbances, disrupted social behaviours and personal habits and other workplace hazards, many of which are strongly inter-related. Moreover, personal characteristics …
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) | 0,006 | 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 ».