O-115 IDENTIFICATION OF THE MOST PREVALENT TOXIC EFFECT CLASSES OF AIRBORNE CHEMICALS MEASURED DURING INDUSTRIAL HYGIENE REGULATORY INSPECTIONS IN US WORKPLACES
Notice bibliographique
Résumé
Abstract Introduction Occupational exposure to multiple chemicals (multiexposures) is more frequent than exceptional. This project explores how multiexposures can be translated into potential toxic risks to workers’ health Methods Measurement data collected by U.S Occupational Safety and Health Administration (OSHA) inspectors were linked to the MiXie database, which identifies classes of toxic effects (n=24) for > 700 chemicals. The unit of analysis, a workplace situation (WS), corresponded to measurements taken for the same job title within a company within a year. Depending on the agents measured and detected, the relevant toxic effect classes from MiXie were attributed to each WS. Across all WSs, we identified the most prevalent classes and evaluated associations between classes using clustering approaches. Results The OSHA database included 340,837 personal detected measurements of 206 airborne chemicals from 123,964 WSs collected between 1971-2021. WSs had a median of 2 (1-218) measurements and 5 (1-20) toxic effect classes. The five toxic effect classes associated with the most WSs were Carcinogenicity and/or mutagenicity (60% of measurements), Central nervous system damage (58%), Lower airway damage (54%), Upper airway damage (53%), and Ocular damage (49%). Airway damage (upper/lower), Ocular damage and Skin damage classes were clustered. Discussion Although the OSHA database data is not representative of all occupational multiexposure situations in the US, its objectively-measured exposures allow the exploration of potential toxic effects in workers. Conclusion Our approach provides some insight into the additive toxic effects associated with multiexposures to frequently measured airborne chemicals in the US.
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 | 0,001 |
| 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) | 0,000 | 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 ».