Concordance of Occupational Exposure Assessment between the Canadian Job-Exposure Matrix (CANJEM) and Expert Assessment of Jobs Held by Women
Notice bibliographique
Résumé
OBJECTIVES: To compare the exposure data generated by using the Canadian job-exposure matrix (CANJEM) with data generated by expert assessment, for jobs held by women. METHODS: We selected 69 occupational agents that had been assessed by experts for each of 3403 jobs held by 998 women in a population-based case-control study of lung cancer. We then assessed the same agents among the same jobs by linking their occupation codes to CANJEM and thereby derived probability of exposure to each of the agents in each job. To create binary exposure variables, we dichotomized probability of exposure using two cutpoints: 25 and 50% (referred to as CANJEM-25% and CANJEM-50%). Using 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 CANJEM's sensitivity, specificity, and kappa. RESULTS: CANJEM-based prevalence estimates correlated well with the prevalences assessed by the experts. When comparing CANJEM-based exposure estimates with expert-based exposure estimates, sensitivity, specificity, and kappa varied greatly among agents, and between CANJEM-25% and CANJEM-50% probability of exposure. With CANJEM-25%, the median sensitivity, specificity, and kappa values were 0.49, 0.99, and 0.46, respectively. Analogously, with CANJEM-50%, the corresponding values were 0.26, 1.00, and 0.35, respectively. For the following agents, we observed high concordance between CANJEM- and expert-based assessments (sensitivity ≥0.70 and specificity ≥0.99): fabric dust, cotton dust, synthetic fibres, cooking fumes, soldering fumes, calcium carbonate, and tin compounds. We present concordance estimates for each of 69 agents. CONCLUSIONS: Concordance between CANJEM and expert assessment varied greatly by agents. Our results indicate which agents provide data that mimic best those 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 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 | 0,001 | 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) | 0,000 | 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 ».