8287711 Overrepresentation of new workers in jobs with multiple carcinogen exposures in Canada
Notice bibliographique
Résumé
Objective Understanding the demographic and job-related factors influencing the prevalence of new workers and their exposure to potential carcinogens is crucial for improving workplace safety and guiding policy interventions. We used the Labour Force Survey (LFS) to estimate the likelihood of being a new worker based on age, industry, occupation, season, and immigration status. Material and Methods Logistic regression was performed on the 2017 LFS; participants were categorized by sector and occupation using the North American Industry Classification System 2017 Version 1.0 and National Occupational Classification system 2016 Version 1.0. Finally, an exposures-per-worker metric was used to highlight the hazardous exposures new workers encounter in their jobs and industries. Results Individuals younger than 25 years had 3.24 times the odds of being new workers compared to those in the 25–39 age group (adjusted odds ratios (OR) = 3.24, 95% confidence interval (95% CI) = 3.18, 3.31). Recent immigrants (less than 10 years in the country) were more likely to be new workers than those with Canadian citizenship (OR 1.36, 95% CI: 1.32, 1.41). The total workforce exposures-per-worker metric using CAREX Canada data was 0.56. By occupation, new workers were the most overrepresented in jobs in natural resources and agriculture (20.5% new workers), where they also experienced a high exposures-per-worker metric (1.57). Conclusion Younger workers (under 25 years) and recent immigrants who had arrived 10 or fewer years prior were more likely to be new workers, and were overrepresented in jobs with more frequent hazardous exposures (Construction, Agriculture, and Trades).
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | low |
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».