Updating a diesel engine exhaust job-exposure matrix with published measurement data
Notice bibliographique
Résumé
A job-exposure matrix (JEM) is a tool that can estimate diesel engine exhaust (DEE) exposures. JEMs based on expert judgment or measurement data are limited by the information available at the time of development. Over time, more information about hazardous exposures is understood through additional measurements and peer-reviewed publications. This study presents a systematic approach to updating an existing DEE JEM using published data to better reflect current scientific knowledge. The literature was searched for occupational exposure studies that measured DEE as elemental carbon (EC) between January 2010 and May 2022. Four-digit North American Industry Classification System (NAICS) 2002 and National Occupational Classification-Statistics (NOC-S) 2006 codes were assigned to each identified subgroup within the studies. EC exposures were categorized as low (0–10 µg/m3), moderate (10–20 µg/m3), or high (>20 µg/m3). Weighted arithmetic means were calculated for each industry-occupation intersection (IOI) identified in the literature. These means were used to adjust, or retain, the existing exposure level within the JEM cells using a decision tree based on the number of studies, workplace locations, and pooled sample size of the weighted mean. Concordance was measured between the updated JEM (Diesel Exhaust in Canada JEM (DEC-JEM)), the previous (existing) JEM, and the Canadian Job-Exposure Matrix (CANJEM). Thirty-seven studies were identified from the published literature reporting on 53 unique IOIs (20 NAICS and 34 NOC-S codes), including occupations in the mining, construction, and transportation industries. Exposure levels for 66% of identified IOIs increased, most in construction and mining. After the decision tree’s results were expanded to the full DEC-JEM, the exposure level of 486 IOIs (12.5% of DEC-JEM) and 286,710 workers (15.8% of DEE-exposed workers) increased. There was a significant correlation between qualitative exposure levels in the updated DEC-JEM and CANJEM (Kendall’s τ = 0.364, p < 0.001). This study describes a systematic approach to updating an existing JEM to incorporate new scientific knowledge. The updated DEC-JEM better reflects existing exposure knowledge in several industries, particularly construction. Future analyses include investigating its use as an exposure assessment tool in disease surveillance.
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 | 0,001 |
| 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 ».