CARcinogen EXposure: CAREX
Notice bibliographique
Résumé
Cancer is the second common cause of death worldwide and a significant ratio of all cancers is related to occupational and living environments. On the other side, cancer prevalence could be controlled and prevented via policies to improve occupational and living environments. However, a main challenge in prevention of occupational cancer is the lack of knowledge about the exposure rate and number of exposed persons. CAREX database, which is established by the program of Europe against cancer, provides information for the number of exposed persons based on country, carcinogen, and type of industry. CAREX is established in early years of 1990 decade by Finland Institute of Health (FIOH) in cooperation with IARC and European experts, as a tool for estimation of the burden due to occupational cancer in Europe, and shortly thereafter is expanded for use in almost 15 countries in European Union by 55 industrial groups. Several other countries have used CAREX for their countries and have provided some main progressions for the performance model. CAREX project in Canada was modeled in 2007, in an effort to develop a Canadian specific and advanced tool for assessing exposure to carcinogenic agents based on EU CAREX. In this model, not only occupational exposure, but also environmental exposure has been considered. Estimation of exposure with CAREX helps to inform primary prevention activities and to improve global occupational cancer, and its strength points are systematic nature, good coverage and ease of use, and can be used in other countries of the world.
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 | 0,000 | 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) | 0,001 | 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 ».