Résultats des analyses de substances chimiques produites à l’IRSST pour chaque région administrative du ministère de la Santé et des Services sociaux pour la période 2001-2008
Bibliographic record
Abstract
Le réseau québécois de prévention compte plusieurs centaines de personnes qui interviennent régulièrement dans les établissements afin d'y prélever des échantillons permettant d'évaluer la qualité de l'air dans le cadre de leur mandat. Ces échantillons sont analysés à l'IRSST. De 2001 à 2008, dans le cadre de l'entente de service avec la CSST et son réseau (MSSS et ASP), des rapports annuels de même qu'un rapport synthèse sur les huit années ont permis d'identifier certaines substances retrouvées en fortes concentrations dans différents secteurs industriels. Compte tenu de la grande variabilité des activités économiques selon les différentes régions du Québec, le présent rapport identifie les substances retrouvées en plus fortes concentrations dans chacune des régions administratives du ministère de la Santé et des Services sociaux (MSSS) puisque la grande majorité des échantillons proviennent des intervenants de ce ministère oeuvrant en santé au travail. Compte tenu que quelque 359 120 résultats d'analyses environnementales ont été produits pour ces clientèles, il devient possible d'exploiter les données de manière à dégager un portrait détaillé des principaux polluants retrouvés en fortes concentrations pour chacune des régions administratives du MSSS. Ce choix devrait en effet permettre, pour une première fois, une lecture des résultats d'analyses sous un nouvel angle et ainsi faciliter l'interprétation des données pour les intervenants puisqu'ils pourront plus facilement y retrouver les résultats spécifiques aux établissements de leur région. Il est déjà fort bien documenté que le volume d'échantillons variera beaucoup d'une région à l'autre et que les régions de Montréal et de la Montérégie sont normalement les régions demandant le plus grand nombre d'analyses, ce qui est normal compte tenu des populations de travailleurs et d'intervenants de ces deux régions. Afin de présenter un portrait qui fournisse des informations comparables, nous avons choisi de présenter pour chaque région, un tableau synthèse où sont classés en ordre décroissant d'occurrences de concentrations, les dix codes CAEQ à quatre chiffres de chaque région où apparaissent les couples substance chimique – classe industrielle présentant les plus hauts taux de fortes concentrations. Il est donc possible d'identifier les situations les plus probables de surexpositions professionnelles potentielles dans chaque région, tant au niveau des substances impliquées qu'à celui des activités économiques associées. De fait, l'étude est réalisée dans le but de rendre accessibles aux chercheurs et aux intervenants des informations pouvant appuyer de nouveaux axes de recherche et d'intervention ciblés sur les tendances de chaque région. Quelque 55 200 résultats d'analyses satisfont les critères d'extraction et font émerger les combinaisons substance chimique - classe industrielle les plus susceptibles de requérir des actions spécifiques ciblées additionnelles de prévention parmi les secteurs échantillonnés, ceci pour chaque région administrative du Québec. Leur examen permet de constater que la majorité des substances représentant encore un important défi en matière de prévention sont surtout des poussières et les métaux qu'elles contiennent. C'est ainsi que le béryllium, les fumées de soudage, le plomb, le quartz, les poussières non classifiées autrement, les poussières de bois dur et mou et l'aluminium sont des exemples de substances où de fortes concentrations ont été mesurées dans plusieurs régions. Néanmoins, certaines substances organiques tel, par exemple, le styrène, requièrent encore des efforts afin de maîtriser l'exposition des travailleurs. Abstract The Québec prevention network has several hundred people who visit establishments regularly and take samples for air quality testing. These samples are analyzed at the IRSST. From 2001 to 2008, under the service agreement with the CSST and its network (MSSS and ASP), annual reports and an eight-year summary report have identified substances found in high concentrations in several industries. Taking into account the wide range of economic activities in the regions of Québec, this report identifies the substances found in the highest concentrations in each administrative region of the Ministère de la Santé et des Services sociaux (MSSS), since most of the samples came from MSSS occupational health officers. Given that about 359,120 environmental analysis results have been produced for these clienteles, it was possible to exploit the data so as to extract a detailed portrait of the main pollutants found in high concentrations in each MSSS administrative region. This should make it possible, for the first time, to read the analysis results from a new angle and thus facilitate data interpretation for MSSS officers, because it will be easier for them to find specific results for establishments in their region. It is already well documented that the volume of samples varies widely from one region to the next, and that the Montréal and Montérégie regions are the ones usually requesting the greatest number of tests—which is normal, given the high numbers of workers and MSSS officers in those regions. To present the information on a comparable basis, we chose to draw up a summary table for each region showing the ten industrial classes (with their four-digit CAEQ codes) in which the chemical/industrial class pairs with the highest concentrations appear, in decreasing order of concentration. It is thus possible to identify the most probable situations of potential occupational overexposure, by substance and by associated economic activity. The study was conducted with the aim of providing researchers and MSSS officers with information that can support new research and intervention avenues focused on the trends in each region. Some 55,200 test results met the extraction criteria and revealed the chemical/industrial class pairs most likely to require additional targeted preventive actions in the industries sampled. Analysis of these results showed that most of the substances still posing a major challenge in terms of prevention are dusts and the metals they contain. Beryllium, welding fumes, lead, quartz, other unclassified dusts, hardwood and softwood dusts and aluminum are examples of substances that have been measured in high concentrations in several regions. Nevertheless, some organic substances such as styrene still require efforts to control worker exposure.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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".