Analyse descriptive des multiexpositions professionnelles et des maladies respiratoires chroniques dans l’étude CARTaGENE
Notice bibliographique
Résumé
Contexte : De nombreux travailleurs sont exposés à plusieurs substances et ces multiexpositions peuvent avoir des effets combinés si elles agissent sur le même organe, comme pour diverses maladies respiratoires. Méthodes : Une analyse descriptive des multiexpositions professionnelles a été menée dans la cohorte CARTaGENE comprenant 19 985 participants âgés de 40 à 69 ans au recrutement (2009-2012). Les diagnostics de maladies respiratoires chroniques ont été auto-déclarés par les participants, sauf pour les cas incidents de cancer du poumon, identifiés par le Registre québécois du cancer. Les participants ont rapporté leur profession occupée le plus longtemps et leurs expositions professionnelles ont été déterminées à l’aide de la matrice emplois-expositions CANJEM. Soixante-quatre agents pour lesquels ≥100 participants étaient exposés ont été inclus. Le frequent itemset mining a été utilisé pour extraire les multiexpositions fréquentes. Résultats : Au total, 15 521 participants ont été inclus, desquels 7 370 étaient exposés à au moins un agent et 5 990 étaient multiexposés (médiane = 5 agents). Les multiexpositions fréquentes incluaient : agents de nettoyage – biocides, composés du plomb – HAP et gaz d’échappement – HAP. Des différences dans les profils de multiexposition ont été mises en évidence selon le sexe et les secteurs industriels, mais pas en fonction du statut de maladie. Les hommes étaient plus fréquemment multiexposés que les femmes et les secteurs de la santé, de la fabrication et du commerce comptaient le plus de participants multiexposés. Conclusion : Cette étude constitue un premier pas vers l’élaboration d’hypothèses sur les effets sur la santé de diverses multiexpositions professionnelles.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; un appel candidat d’une seule tête enseignante, 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 ».