Estimating Occupational Exposure to Ultraviolet Radiation Using the Canadian Occupation Exposure Matrix (CANJEM) in a Nationwide Cohort of French Adults
Notice bibliographique
Résumé
Background: According to the World Health Organization (WHO), one in three cancers diagnosed is a skin cancer (1), and the incidence is expected to further rise in Europe by 2040 (2).WHO acknowledges the relevance of early diagnosis programmes to reduce the proportion of patients with late-stage skin cancer diagnoses, with improved healthcare accessibility as a key component (3).Currently, dermatologists have long waiting lists, and general practitioners do not always feel comfortable evaluating skin lesions.Considering the anticipated rise in skin cancers, safeguarding timely diagnosis and treatment poses a significant challenge.To address this challenge, we implemented a nurse-initiated one-spot-check consultation to increase dermatology capacity and accessibility.Methods: The Dermatology Department of University Hospital Ghent offered nurse-initiated early-access consultations to adult patients with concerns about specific lesions meeting predefined criteria.To optimise these consultations, nurses received training on skin tumours and basic dermoscopy and gained expertise through clinical apprenticeship, close guidance and feedback.A dedicated patient file tab was developed to streamline operations and reduce administrative workload.During these consultations, nurses performed patient assessments, clinical and dermoscopic examinations, lesion imaging, completed patient files, and executed necessary management actions.The diagnosis and management strategy were established under the supervision of a dermatologist.Before dermatologist supervision, nurses assessed the skin lesions as high or low risk for cancer.These assessments were compared with the dermatologist's final diagnosis to evaluate the nurses' diagnostic accuracy.Results: From April 2021 until April 2023, 1183 patients received a nurse-initiated one-spot-check consultation, yielding a 10% detection rate of skin cancer.179 lesions were included to determine the nurses' diagnostic accuracy.The results revealed a sensitivity range of 73 to 81% and a specificity range of 88 to 90%, illustrating the variability in diagnostic accuracy associated with nurse experience.Conclusions: Preliminary findings suggest that nurses, with appropriate education and training, can acquire competence in differentiating benign and malignant skin lesions.Implementing nurse-initiated consultations in the department has increased operational capacity, improving early access to dermatological advice for individuals with suspicious skin lesions.
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 | 0,001 |
| 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) | 0,001 | 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 ».