An analysis on control banding-based methods used for occupational risk assessment of nanomaterials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite all benefits of nanomaterials, their unique characteristics made them an emerging hazard in workplaces, which need to be assessed for their potential risks. So, the aim of this study was to review all the studies conducted on the risk assessment of activities involving nanomaterials with CB-based methods.This study is based on a literature review on databases including Web of science, Scopus, PubMed, and SID. After reviewing and screening studies according to PRISMA, the collected data were meta-analyzed by Comprehensive Meta-Analysis Software. Also, Newcastle-Ottawa checklist was used for quality assessment of the studies. To determine similarity of methods, Cohen's Kappa was used. Sensitivity analysis was used to determine the role of each factor in the risk assessment by using the Crystal Ball tool.There are eight validated methods for risk assessment. Also, some authors used a self-deigned tool based on CB approach. The results of meta-analysis showed that the odds ratio for the risk of activities involved with nanomaterials was 0.654 (high risk). Results of simulation for Nanotool showed that the mean risk level of activities involved with nanomaterials, with a certainty of 95.07%, is moderate (RL3). Moreover, sensitivity analysis showed that the risk was depended on "Hazard band" in all methods except ISO method.The obtained results can be useful in improving existing methods and suggesting new methods. Also, there is a need to design and propose specific methods for risk assessment of incidental and natural nanomaterials.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle