Renforcer la surveillance des produits de consommation au Canada : l’exemple du vapotage
Bibliographic record
Abstract
Introduction L’objectif général de cette étude était de montrer comment utiliser les renseignements recueillis dans le cadre du Programme de la sécurité des produits de consommation (le Programme) pour identifier certains dangers émergents. Plus spécifiquement, il s’agissait de caractériser et de quantifier les tendances en matière de vapotage en utilisant les rapports d’incident reçus au cours des cinq dernières années dans le cadre du Programme. Méthodologie Les données recueillies dans le cadre du Programme ont été extraites pour la période du 1er janvier 2015 au 30 septembre 2019. Nous avons synthétisé les données sous forme de statistiques descriptives et nous avons quantifié les tendances en utilisant la variation annuelle en pourcentage. Dans le but d’établir des comparaisons reposant sur les caractéristiques des rapports d’incident lié au vapotage, nous avons utilisé les rapports proportionnels de blessures (RPB) et les intervalles de confiance (IC) à 95 % correspondants, ce qui permet de comparer les blessures liées au vapotage à l’ensemble des blessures signalées dans le cadre du Programme. Résultats Au total, 71 rapports d’incident lié au vapotage ont été reçus dans le cadre du Programme entre le 1er janvier 2015 et le 30 septembre 2019. Au cours de cette période, la hausse de la variation annuelle en pourcentage quant au nombre de rapports d’incident reçus s’est établi à environ 73 % annuellement (p $lt; 0,05). Parmi les blessures signalées, 41 % étaient des brûlures. Le nombre de rapports d’incident touchant les hommes (RPB = 1,89; IC à 95 % : 1,51 à 2,36) et les 15 à19 ans (RPB = 11,53; IC à 95 % : 4,95 à 26,8) en lien avec le vapotage était, en proportion, supérieur à celui de l’ensemble des autres signalements dans le cadre du Programme. Conclusion Bien que le nombre de rapports d’incident lié aux produits de vapotage soit faible, les résultats de notre analyse laisse penser que ces incidents sont davantage susceptibles de survenir au sein de certains groupes, en particulier chez les hommes et chez les jeunes.
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 | 0.004 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".