The Utility of Length of Mining Service and Latency in Predicting Silicosis among Claimants to a Compensation Trust
Notice bibliographique
Résumé
In the wake of a large burden of silicosis and tuberculosis among ex-miners from the South African gold mining industry, several programmes have been engaged in examining and compensating those at risk of these diseases. Availability of a database from one such programme, the Q(h)ubeka Trust, provided an opportunity to examine the accuracy of length of service in predicting compensable silicosis, and the concordance between self-reported employment and that officially recorded. Compensable silicosis was determined by expert panels, with ILO profusion ≥1/0 as the threshold for compensability. Age, officially recorded and self-reported years of service, and years since first and last service of 3146 claimants for compensable silicosis were analysed. Self-reported and recorded service were moderately correlated (R = 0.66, 95% confidence interval 0.64−0.68), with a Bland−Altman plot showing no systematic bias. There was reasonably high agreement with 75% of the differences being less than two years. Logistic regression and receiver operating characteristic curve analysis were used to test prediction of compensable silicosis. There was little predictive difference between length of service on its own and a model adjusting for length of service, age, and years since last exposure. Predictive accuracy was moderate, with significant potential misclassification. Twenty percent of claimants with compensable silicosis had a length of service <10 years; in almost all these claims, the interval between last exposure and the claim was 10 years or more. In conclusion, self-reported service length in the absence of an official service record could be accepted in claims with compatible clinical findings. Length of service offers, at best, moderate predictive capability for silicosis. Relatively short service compensable silicosis, when combined with at least 10 years since last exposure, was not uncommon.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».