P-334 Occupational exposures experienced by Montréal women participating in two case-control studies
Notice bibliographique
Résumé
Introduction Women constitute nearly half of the workforce. However, most of our knowledge about occupational diseases come from studies conducted on men. Objective To describe occupational exposures experienced by women. Methods Two case-control studies of postmenopausal breast cancer were conducted in Montreal in 1996 and in 2011. Questionnaires on lifetime occupational history were administered during in-person or telephone interviews. Experts reviewed subjects’ work history, assessing exposure to a list of 258 chemicals. Chemicals that were deemed to be present were categorized by concentration (‘low’, ‘medium’, ‘high’), where low represented a background occupational level and high was the highest level experienced in that work environment. We pooled exposure information from both studies by time period and by age of exposure. Results In both studies combined, the three most prevalent exposures were cleaning agents, ozone, and organic solvents; the jobs in which these top 3 agents were present included nurses and waitresses (cleaning agents), secretaries and clerks (ozone), and housekeepers and elementary school teachers (organic solvents). For cleaning agents and ozone, most exposures occurred at a low concentration (>98%) while slightly higher exposures to organic solvents were found (14% medium and 2% high). The top 3 agents by time period were: <1950, fabric dust, aliphatic aldehydes, and cotton dust; 1950–1969, cleaning agents, aliphatic aldehydes, and organic solvents; 1970–1989, cleaning agents, ozone, and aliphatic alcohols; and ≥1990, ozone, cleaning agents and aliphatic alcohols. The prevalence of exposures differed for women exposed earlier versus later in their working life (predominant agents ≤35 years of age: cleaning agents, aliphatic aldehydes, aliphatic alcohols; >35 years of age were ozone, cleaning agents, organic solvents). Conclusion Occupational exposures of women remain understudied; bringing out inconspicuous exposures can help better assess women’s occupational risks.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».