O-304 Concordance between the Canadian job-exposure matrix (CANJEM) and expert assessment in occupational exposure assessment among jobs held by women
Notice bibliographique
Résumé
Introduction The Canadian job-exposure matrix (CANJEM) is a general population JEM built from expert assessment data of 31,673 jobs held by 8,760 participants from four Montreal case-control studies. Objective To examine the validity of CANJEM for jobs held by women, by comparing exposure assessments using CANJEM and our expert assessment method to a selected list of 69 agents. Methods We compared the exposure estimates for 69 agents within a population-based case-control study of lung cancer assigned by expert assessment to those derived from CANJEM. We linked the job histories of 998 women (3403 jobs) to CANJEM and thereby, derived probability of exposure to each of the 69 selected agents in each job. To create binary exposure variables (exposed/unexposed), we dichotomised probability of exposure using two cutpoints: 25% and 50% (referred to as CANJEM-25% and CANJEM-50%). Using the 3403 jobs as units of observation, we estimated the prevalence of exposure to each selected agent using CANJEM-25% and CANJEM-50%, and using expert assessment. Further, using expert assessment as the gold standard, for each agent, we estimated sensitivity, specificity and Kappa. Results CANJEM-based prevalence estimates correlated well with the prevalences assessed by the experts. Sensitivity, specificity and Kappa varied greatly among agents, and between CANJEM-25% and CANJEM-50% probability of exposure. For some agents such as fabric dust and cooking fumes, the concordance between CANJEM-based and expert-based assessments was high and inspired confidence that CANJEM-based assessments will be adequate; however for many other agents, the concordance was low. We present concordance estimates for 69 agents. Conclusion Exposure concordance measures between CANJEM and expert assessment differed greatly by agents. The results of this study could guide users of CANJEM as to which agents are most likely to provide results that mimic those that would be obtained with expert assessment.
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 | 0,022 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».