CAREX Canada: perspectives on the use of population-based exposure surveillance programs for use in risk or burden estimates: abstract
Notice bibliographique
Résumé
Objective CAREX Canada is a longstanding program of research that develops and disseminates estimates of the number of workers exposed to carcinogens. The objective of this talk is to offer a Canadian perspective on using population-level exposure estimates, with particular consideration of how these estimates have been used in Canadian risk and burden studies, and some of the benefits and limitations of these approaches. Material and Methods CAREX Canada began as a pilot program in 2003, based on methods developed in EU-based CAREX programs in the early 1990s. In 2008, it was supported by the cancer research arm of the Canadian government as a national program of research, who continue to fund it to this day. Using a mixed methods approach including key informant interviews, exposure measurement databases, and expert opinion, along with detailed census information, estimates have been generated for 2006 and 2016, with estimates for 2021 due to be released this fiscal year. Results Estimates of occupational exposure have been generated for >50 agents, many of which also have estimates of exposure level. They have contributed to many policy impacts, including a federal ban on asbestos in 2018 and a shifting of provincial approaches to reduce outdoor workers’ sun exposure. They have also been used in the national Burden of Occupational Cancer study for Canada, in addition to a number of epidemiological studies where CAREX estimates were converted into job exposure matrices. Conclusion CAREX Canada estimates have been used for policy influence and change, to raise awareness of occupational cancer for workers, their employers, and society more broadly, and have been translated into job exposure matrices for use in epidemiological investigators. While data like these are extremely important for understanding the extent of occupational cancer and disease, it is important to consider the limitations of these approaches. Abstract from: 30th Epidemiology in Occupational Health Conference (EPICOH 2025), Hosted by Institute for Risk Assessment Sciences, Utrecht University, 6–9 OCTOBER 2025, Utrecht, the Netherlands
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 | 0,086 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,016 |
| Études des sciences et des technologies | 0,011 | 0,008 |
| Communication savante | 0,016 | 0,007 |
| Science ouverte | 0,008 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».