0289 ”david´s cheese bread” method: workload quantitative exposure thresholds detection using adjusted hazard multivariate parametric modelling, useful in cumulative-trauma disorders prevention and within their causal assessment
Notice bibliographique
Résumé
Background Qualitative methods are frequently used for workload assessment due to their relative low-cost but their evidence lack, high subjectivity and inaccurate conclusions lead to develop quantitative evidence-based methods for Cumulative Trauma Disorders evaluation. This research aims to generate robust and reliable evidence useful in prevention systems and within workers´ compensation processes (causal assessment) by measuring cumulative effective working time to define suitable exposure thresholds. Methods A retrospective cohort study was assembled with workers from different positions. Inclusion/exclusion criteria were rigorously applied to finally accept 328 workers (656 shoulders). Entire clinic history was analysed towards obtaining important clinical variables. Each shoulder workload was assessed independently getting cumulative exposure time to movement angles, repetitive motions, load lifting, exertion and vibration, adjusting by rest/break periods and other important covariates, controlling confusing effects. The exposure thresholds were obtained using an adjusted multivariate Weibull regression modelling. Huber’s M-estimator was used warranting robust estimators to correct both shoulders non-completely independent measures. Final model was built according with Hosmer-Lemeshow-May´s covariates purposeful selection principles. Findings/conclusions Within the adjusted multivariate final model, we could set hazard rate ratio (HRR) into five different clusters across cohort exposure time-line: ”D” or baseline hazard zone; ”a” zone (HRR≈1;p-value≥0.05); ”v” or risk zone (HRR >1;p-value<0.05); ”i” or survivors zone (HRR≈1;p-value≥0.05); and ”d” or super-survivors zone (HRR <1;p-value<0.05). Shortest cumulative times within ”v” zone were selected as exposure thresholds. For workload factors, we were able to clearly define zones and thresholds. We´ve also named ”v” cluster as ”cheese” zone and others as ”no-cheese” areas.
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 | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».