Questions prioritaires en matière de recherche sur le cancer d’origine professionnelle : points de vue des intervenants en Ontario
Bibliographic record
Abstract
<sec> <title>Introduction</title> En milieu de travail, les travailleurs peuvent être exposés à des agents cancérogènes connus ou présumés, dont bon nombre n’ont pas fait l’objet d’une évaluation complète. La recherche sur le cancer d’origine professionnelle a connu une baisse au cours des dernières décennies, et ce, même si les besoins demeurent constants. Le Centre de recherche sur le cancer professionnel (CRCP) a été créé en vue de contrer cette tendance à la baisse en Ontario. Le CRCP a mené une enquête auprès de l’ensemble des intervenants pour connaître les questions prioritaires en matière de recherche sur le cancer d’origine professionnelle. </sec> <sec> <title>Méthodologie</title> Dans le cadre de l’enquête, le CRCP a reçu 177 réponses provenant d’intervenants du milieu universitaire, du milieu de la santé et de l’industrie, d’intervenants affiliés à des syndicats et de responsables des politiques. Les réponses ont été analysées en fonction de l’exposition en milieu de travail, des emplois à risque et du siège de cancer, et elles ont été stratifiées selon le poste occupé. </sec> <sec> <title>Résultats</title> Les questions prioritaires soulevées comprennent diverses catégories d’exposition en milieu de travail, notamment les catégories « produits chimiques », « particules et fibres inhalables » (p. ex. amiante), « rayonnements » (p. ex. champs électromagnétiques), « pesticides » et « travail par quarts », ainsi que divers types d’emplois, en particulier les mineurs, les travailleurs de la construction et les travailleurs de la santé. Un financement inadéquat et des données insuffisantes sur l’exposition ont été définis comme les principaux obstacles à la recherche sur le cancer d’origine professionnelle. </sec> <sec> <title>Discussion</title> Les résultats de cette enquête font ressortir le besoin criant de recherche sur le cancer d’origine professionnelle en Ontario et ailleurs. Ces données seront très utiles pour l’élaboration du programme de recherche du CRCP. </sec>
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.000 |
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 teacher head, 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".