Fréquences d’exposition aux principaux facteurs de risque biomécaniques d’usure professionnelle chez les femmes et les hommes dans la cohorte CONSTANCES
Notice bibliographique
Résumé
Introduction:As part of the 2023 pension reform in France, a fund for the prevention of occupational wear and tear (fonds pour la prvention de l'usure professionnelle, FIPU) was set up to prevent premature aging and musculoskeletal disorders.In accordance with French law, the FIPU takes into consideration exposure to three biomechanical criteria: manual handling of loads, painful positions at work, and mechanical vibrations.The aim of our study was to identify the occupational categories most exposed to the three FIPU criteria, as well as to another biomechanical risk factor for musculoskeletal disorders: repetitive work. Methods:The analyses are based on cross-sectional data from the French CONSTANCES cohort (Consultants des centres d'examens de sant).Exposure to the three FIPU criteria and to repetitive work were described according to occupational cate- gories (based on the French nomenaculture for occupational groups [Familles professionnelles, FAPs]).Results: Among men, the FAPs most exposed to at least one of the three FIPU criteria were skilled construction workers (structural and finishing work: 95.8% and 88.1%) and metal workers (86.0%).Among women, the FAPs most impacted were home help personnel and cleaners (80.3%), assistant nurses (79.2%), and childcare assistants (77.1%).Adding the repetitive work factor increased the proportion of exposed workers, particularly among women, and highlighted new occupations, not obtained with the FIPU criteria alone.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes 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 ».