124 Functional requirements for a new risk assessment tool: the first step - a new inhalation model to assess exposure to bioaerosols
Notice bibliographique
Résumé
Abstract Within Occupational Hygiene, risk assessments due to exposure to biological agents has received less emphasis compared to risks associated with other hazardous substances. Thus, the tools for hazard inventory, risk assessment, and implementation of control measures for biological agents remain scarce. The COVID-19 pandemic raised awareness on the magnitude of potential health consequences linked to exposure to biological agents also in workplace environments. But concerns should not be limited to infectious biological agents. Non-infectious microorganisms might also impact in workers’ health due to their sensitizing, toxic and even carcinogenic effects. Workers in various sectors may be exposed through aerosols or contact with infected persons or materials that are contaminated with microorganisms. Different qualitative risk assessment tools for biological agents have been developed over the last decades, with differences in their scope, parameters used and results obtained. In order to propose a functional design for the development of a new risk assessment tool related to biological agents, four existing tools were compared to better understand their strengths, limitations and applicability. Based on this comparison, a general structure for a complete new tool was proposed with some key requirements for determining occupational exposure to biological agents. Furthermore, we developed a new qualitative risk assessment model for bioaerosol inhalation created from a source-receptor conceptual model where scores for each parameter were assigned based on literature. The current model has been applied to seven different sectors and tested in more than 120 real workplace scenarios with satisfactory results.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».