Type and physical intensity of occupations at pulmonary TB diagnosis
Notice bibliographique
Résumé
BACKGROUND: Pulmonary TB (PTB) predominantly affects individuals of working age. We sought to characterise the occupations of people newly diagnosed with PTB in Karachi, Pakistan, by type and physical intensity. DESIGN/METHODS: We did a secondary analysis of data from a study evaluating the diagnostic accuracy of artificial intelligence-based chest X-ray (CXR) analysis software, where individuals had been evaluated for active PTB using sputum cultures and had provided information on occupation. We used an accelerometer-validated US National Health and Nutrition Examination Survey-based job categorisation to assign physical activity levels to participant-reported occupations as High, Intermediate, or Low. RESULTS: Among 272 participants with microbiologically confirmed PTB (women: 130/272, 48%; median age: 29 years, IQR 22-45), 78% (211/272) had smear-positive disease, and 96% (260/272) had data on occupation. Unemployment was common (women: 70/122, 57%; men: 23/138, 17%). Most women reporting an occupation were homemakers (21/52, 40%), and 54% (28/52) had an intermediate- or a high physical activity occupation. Among men reporting an occupation, 35% (40/115) were labourers, and 79% (91/115) had an intermediate- or high-physical activity occupation. CONCLUSION: The majority of individuals with PTB were in their working age, had extensive disease, and had intermediate or high physical activity occupations, suggesting economic vulnerability due to physical impairment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».