Mémoire du travail et des expositions professionnelles aux cancérogènes
Bibliographic record
Abstract
Selon les estimations officielles, en 2000 environ 32 millions de travailleurs européens (de l’Europe des 15) étaient exposés à des cancérogènes. Depuis 2002, considérant la maladie comme « événement-sentinelle » pour la connaissance des activités de travail exposant aux cancérogènes, le Groupement d’intérêt scientifique sur les cancers d’origine professionnelle (GISCOP93) mène une enquête permanente auprès de patients atteints de cancer en Seine Saint Denis (France). S’appuyant sur les récits recueillis auprès des patients et sur l’expertise des spécialistes en matière d’exposition, une démarche d’analyse et de classement des activités exposées a été réalisée pour l’élaboration d’un répertoire des activités de travail en présence de produits/procédés cancérogènes. L’objectif de cet article est de mettre en perspective cette nouvelle base de données par rapport à quelques sources d’information concernant l’exposition professionnelle aux cancérogènes, déjà disponibles en ligne, en montrant l’apport d’une méthode de recueil d’information fondée sur l’expérience et la parole des travailleurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.016 | 0.056 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".