To what extent can attributable fractions in occupational epidemiology be estimated in the absence of key data?
Notice bibliographique
Résumé
In a recent paper, Ghoroubi et al. (Am J Epidemiol 2025 Jan 8;194(1):302-310) used the indirect attributable fraction (AF) method to provide estimates of fractions of all-cause mortality attributable to work-related factors. This commentary discusses the limitations and potential of this paper and provides insights and guidance to make optimal use of indirect AF estimation in occupational epidemiology. The crucial steps are the choice of the datasets and input data related to the prevalence of exposure and relative risk (RR), requiring comparability of time period, population characteristics, and the definition and measurement of exposure. Published systematic literature reviews with meta-analyses are essential or, if not available, conducting meta-analyses to provide estimates of RR. Finally, it is important to verify the assumptions for the chosen AF formula including evidence of causality, consideration of confounding and (in)dependence between exposures when several exposures are studied at the same time. We conclude by suggesting that the paper by Ghoroubi et al. may have provided a proof of concept for 1 work-related factor only, but considerable additional research will be required to represent work-related factors overall.
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 | 0,211 | 0,629 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,009 | 0,023 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».