La dimension de genre dans la reconnaissance des TMS comme maladies professionnelles
Bibliographic record
Abstract
En Suisse, les troubles musculo-squelettiques (TMS) sont rarement reconnus comme maladies professionnelles et leur prévention est peu développée. L’analyse des statistiques d’indemnisation concernant les TMS montre que les troubles affectant les travailleuses sont encore moins souvent déclarés et reconnus que ceux des travailleurs. La reconnaissance des TMS comme maladies professionnelles est donc marquée par une dimension de genre. Cette situation peut s’expliquer par divers facteurs, comme l’état des connaissances scientifiques, mais aussi le cadre légal, la jurisprudence, les critères appliqués par les assurances et les pratiques de déclaration. Au niveau des décisions des assurances, deux processus semblent jouer un rôle dans la sous-estimation des TMS d’origine professionnelle chez les travailleuses : d’une part, l’incidence plus élevée de certains TMS chez les femmes est interprétée comme résultant de prédispositions liées au sexe féminin et d’autre part, le travail des femmes est considéré comme moins sollicitant que celui des hommes.
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 | 0.007 | 0.028 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".