Bibliographic record
Abstract
OBJECTIF: Permettre aux médecins de famille de comprendre l’épidémiologie, la pathogenèse, les symptômes, le diagnostic et la prise en charge de la maladie des vibrations, une maladie professionnelle importante et courante au Canada. SOURCES D’INFORMATION: Une recherche a été effectuée sur MEDLINE afin de relever les recherches et comptes rendus portant sur la maladie des vibrations. Une recherche a été effectuée sur Google dans le but d’obtenir la littérature grise qui convient au contexte canadien. D’autres références ont été tirées des articles relevés. MESSAGE PRINCIPAL: La maladie des vibrations est une maladie professionnelle répandue touchant les travailleurs de diverses industries qui utilisent des outils vibrants. La maladie est cependant sous-diagnostiquée au Canada. Elle compte 3 éléments : vasculaire, sous la forme d’un phénomène de Raynaud secondaire; neurosensoriel; et musculosquelettique. Aux stades les plus avancés, la maladie des vibrations entraîne une invalidité importante et une piètre qualité de vie. Son diagnostic exige une anamnèse minutieuse, en particulier des antécédents professionnels, un examen physique, des analyses de laboratoire afin d’éliminer les autres diagnostics, et la recommandation en médecine du travail aux fins d’investigations plus poussées. La prise en charge consiste à réduire l’exposition aux vibrations, éviter les températures froides, abandonner le tabac et administrer des médicaments. CONCLUSION: Pour assurer un diagnostic rapide de la maladie des vibrations et améliorer le pronostic et la qualité de vie, les médecins de famille devraient connaître cette maladie professionnelle courante, et pouvoir obtenir les détails pertinents durant l’anamnèse, recommander les patients aux cliniques de médecine du travail et débuter les demandes d’indemnisation de manière appropriée.
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 | 0.018 | 0.098 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.008 | 0.005 |
| Insufficient payload (model declined to judge) | 0.232 | 0.107 |
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".