8287085 Updating a diesel engine exhaust job-exposure matrix with published measurement data
Notice bibliographique
Résumé
Objective Job-exposure matrices (JEMs) based on expert judgement or measurement data are limited by the exposure information available at their 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 diesel engine exhaust (DEE) JEM using published data. Methods The literature was searched for occupational exposure studies that measured DEE as elemental carbon (EC) between January 2010-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 (0-10µg/m3), moderate (10-20µg/m3), or high (>20µg/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 exposure level within 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 JEM, and the Canadian Job-Exposure Matrix (CANJEM). Results Thirty-seven studies were identified from the published literature reporting on 53 unique IOIs (20 NAICS, 34 NOC-S), including occupations in mining, construction, and transportation industries. Exposure levels for 66% of identified IOIs increased, most in construction. 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 significant correlation between qualitative exposure levels in DEC-JEM and CANJEM (Kendall’s tau=0.364, p<0.001). Conclusion This study describes a systematic approach for updating an existing JEM to incorporate new scientific knowledge. 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 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 | 0,083 | 0,224 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,031 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».