Identification de priorités d’intervention à partir de l’interprétation des résultats des analyses de substances chimiques produites à l’IRSST en 2006
Bibliographic record
Abstract
Le présent rapport dresse un portrait global des résultats d’analyses environnementales émis par les laboratoires de l’IRSST à l’intention des intervenants en prévention pour l’année 2006. Les échantillons ont été prélevés par les membres du réseau québécois de prévention qui interviennent dans les entreprises : inspecteurs de la Commission de la Santé et de la Sécurité au Travail (CSST), hygiénistes et techniciens des Agences de santé et des services sociaux et des Centres locaux de services communautaires (CLSC) et conseillers des associations sectorielles paritaires. Son but est de rendre accessibles aux chercheurs et aux intervenants des informations relatives aux principales substances chimiques retrouvées à concentrations significatives dans les différents milieux de travail permettant ainsi d’appuyer de nouveaux axes de recherche et d’intervention. Dégagées en grandes tendances, ces informations ont été compilées à partir de la nature de la substance, du nombre d’analyses réalisées et des plages de concentration en rapport à la norme et aux grands groupes industriels à deux chiffres de la Classification des Activités Économiques du Québec (CAEQ). Des prélèvements ont été réalisés dans plus d’une cinquantaine de grands groupes industriels de la CAEQ. De ceux-ci, dix-huit sont abondamment couverts avec plus de 500 résultats d’analyses émis pour chacun d’entre eux. Tel qu’observé lors d’études précédentes, les poussières non classifiées autrement, le quartz, le plomb et le béryllium sont fréquemment retrouvés dans plusieurs secteurs d’activité économique et une proportion importante des résultats d’analyses dépasse la norme québécoise. L’examen de ces résultats d’analyses permet également d’identifier au moins un secteur où plus du quart des résultats excède la norme pour les substances suivantes : l’aluminium, le baryum, le bore, le cadmium, le chlorure de méthylène, le chrome, le cobalt, le cuivre, l’étain, le manganèse, les monomères et les oligomères de diisocyanate 4, 4’ de diphénylméthane (MDI), le molybdène, le sodium, le styrène, le titane, le toluène, le trichloroéthylène, le vanadium et le zinc. Avec un peu plus de 12 000 résultats d’analyses environnementales retenus comme pertinents car répondant aux critères d’extraction, les données de 2006 se caractérisent principalement par la proportion importante de métaux et poussières (57 %) par rapport aux solvants (29 %) et aux isocyanates (14 %). Dans l’ensemble des grands groupes industriels ayant fait l’objet de prélèvements, on peut en effet observer, à des concentrations élevées, jusqu’à 42 produits distincts. Ce sont les industries de la fabrication des produits métalliques (sauf les industries de la machinerie et du matériel de transport) qui comptent la plus grande diversité de substances ayant rencontré les critères d’extraction avec 29 substances. Suivent les industries du matériel de transport (14), les industries de premières transformations des métaux (13), les industries du bois (11), les industries de la machinerie (sauf électrique) (9), les industries des produits électriques et électroniques (7) et les industries chimiques (7).
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 | 0.074 | 0.105 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 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".