MétaCan
Menu
Retour à la cohorte
Enregistrement W7100206174

Printed in U.SA. Self-assessed Versus Expert-assessed Occupational Exposures

2014· article· en· W7100206174 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueOccupational and environmental lung diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChecklistOccupational exposureOccupational medicineCohen's kappaContext (archaeology)StatisticOccupational disease
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

While self-response to a checklist of substances may be a convenient and inexpensive method for obtaining information on occupational exposure, the validity of such information has not been evaluated. The objective of this report is to provide some evidence concerning validity of self-reported occupational exposures. In the context of a large case-control study, it was possible to compare self-reports with expert assessment, in which a team of industrial hygienists and chemists examined each job history individually and decided on likelihood of exposure. The subjects were 1,910 males who had participated in a population-based case-control study of cancer and occupational exposures conducted in Montreal, Canada, between 1979 and 1985. For each of 11 substances, the two methods of exposure assessment were compared by means of a kappa statistic and by computing the sensitivity and specificity of self-assessment against expert assessment. Kappa values ranged from 0.33 to 0.64. Compared with the expert assessment, specificities of the self-assessment were generally high (0.83-0.97, with a median of 0.90), but sensitivities were low (0.39-0.91, with a median of 0.61). The authors conclude that self-reports of occupational exposure are not sufficiently accurate to warrant their sole use in most community-based studies. Am J Epidemiol 1996;144:521-7. epidemiologic methods; occupational exposure Occupational risk factors for cancer can be investi-

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,663
Score d'incertitude au seuil0,480

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,6630,429

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,302
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOccupational and environmental lung diseasesTravaux en français237 207