P-336 Gender differences in occupational exposure in the Canadian job-exposure-matrix (CANJEM)
Notice bibliographique
Résumé
Introduction One of the principal challenges in community-based occupational studies is retrospective assessment of exposure. Job-exposure-matrices (JEMs) have been proposed as a cost-effective tool. However, most JEMs are built from the assessment of jobs held by men, with few studies assessing the applicability of those JEMs to the same jobs when held by women. Objective To compare within-occupation exposure assessments for jobs held by men versus women in a Canadian JEM (CANJEM). Method Two sex-specific JEMs were created using data from CANJEM, a JEM based on the expert assessment of exposure to 258 chemicals in >30,000 jobs held during 1933–2005, by participants in five Montreal-based case-control studies. Each cell in the JEMs provided the probability, intensity, frequency, and frequency-weighted intensity (FWI) of exposure to a selected occupational agent, for a specific combination of a 4-digit Canadian Classification and Dictionary of Occupations code and one of four time periods. We used intra-class correlation coefficients (ICC) to compare the probability, frequency and FWI between cells considered exposed in the two JEMs; ‘exposed’ cells were defined by probability ≥ 5%. Given the semi-quantitative nature of intensity, Kendall’s Tau (τ) was used. We further compared differences between the JEMs using empirical cumulative distribution functions (ECDF). Results In total, 1,488 cells considered exposed in both JEMs were included in the analysis. ICC (95% confidence interval) of 0.58 (0.55–0.61), 0.55 (0.52–0.58) and 0.12 (0.07–0.17) were found for probability, frequency and FWI of exposure, respectively. For intensity, a τ of 0.24 (0.20–0.29) was found. The ECDFs showed a tendency for frequency to be higher in the female-JEM, but for intensity and FWI to be higher in the male-JEM. No clear trend was observed for probability of exposure. Conclusion Our results suggest that CANJEM assessment of jobs held by men was inadequate to estimate exposure in women’s.
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 | 0,008 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,001 |
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 ».