RF-367 Occupational exposure to agents and substances in the CARTaGENE cohort
Notice bibliographique
Résumé
Introduction Occupational exposures are related to occupational diseases burden and increased susceptibility to health issues. The joint assessment of occupational exposure and disease outcome is the key to accelerate breakthroughs in occupational health research. Objectives Occupational data including coding of occupations and exposure assessment from a large population cohort such as CARTaGENE may help the research community in uncovering workplace-related health disparities. Methods CARTaGENE is the largest prospective cohort in Quebec with 43,000 participants recruited among the general population aged 40–69 years at baseline. Approximately 10,000 participants filled out an occupational history questionnaire and data were then coded to create a job titles and industry types database. Then, the CANJEM matrix was applied to assign exposure to 258 chemical agents based on occupations (probability and median dose of exposure). Results The 10,895 CARTaGENE participants reported a total of 21,612 jobs, 45% were held by men and 55% by women. For 1,253 jobs (5.8%) occupation code in the NOC 2011 system was impossible to assign because of lacking information. The majority of jobs were in white collar occupations (18.97%). Among the most prevalent exposures (>10% jobs having probability of exposure >25%) in the cohort were solvents, polycyclic aromatic hydrocarbons, cleaning agents, biocides, engine emissions and aliphatic alcohols. Overall, 18 agents have an overall prevalence greater than 5%, while a further 64 agents have a prevalence greater that 1%. Conclusion Such data is relevant from a public health perspective that uses a population-based approach. CARTaGENE has the advantage to integrate a rich collection of data on each participant such as health questionnaires (diseases, lifestyle), physical measures (blood pressure, spirometry), biochemical data (triglyceride, creatinine), genetic data that could be combined to occupational history data. Ultimately, this public resource available to researchers worldwide allows to carry out further research on specific diseases or exposures conditions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».