SS64-01 OTOTOXICITY MANAGEMENT PERSPECTIVES FOR ENVIRONMENTAL AND OCCUPATIONAL EXPOSURES
Notice bibliographique
Résumé
Abstract Introduction Ototoxicity management includes the identification of at-risk individuals, and the diagnosis, monitoring, rehabilitation and therapeutic management of hearing and balance deficits in affected individuals. Methods Interested parties committed to addressing major healthcare gaps in the management of ototoxicity (hearing loss, tinnitus, vestibular and/or balance deficits) caused by environmental toxicants and/or medications came together to establish the International Ototoxicity Management Group (IOMG, https://www.ncrar.research.va.gov/ClinicianResources/IOMG.asp). We will report on the objectives and activities of the Environmental and Occupational Focus Area. Results Across countries, no standard methods exist for the auditory surveillance of individuals exposed to hazardous chemicals at work. We published a mixed method review to scope the literature, identify knowledge gaps, appraise results, and synthesize the evidence on the audiological evaluation of workers exposed to solvents. Of 454 identified references, 37 studies were included for analysis. Twenty-five different tests were used in the various studies. Discussion This study is facilitating the development of consensus statements in ototoxicity management in the workplace. Conclusion The IOMG has expanded stakeholder engagement. Its multicultural and interdisciplinary approach is needed to support application of ototoxicity management in specific medical, environmental and occupational contexts worldwide. Disclaimer The conclusions in this presentation are those of the presenter and do not necessarily represent the official position of the National Institute for Occupational Safety and Health, Centers for Disease Control and Prevention.
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 | 0,000 |
| 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) | 0,004 | 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 ».