Analyse descriptive des multiexpositions professionnelles et des maladies respiratoires chroniques dans l’étude CARTaGENE
Bibliographic record
Abstract
Contexte : De nombreux travailleurs sont exposés à plusieurs substances et ces multiexpositions peuvent avoir des effets combinés si elles agissent sur le même organe, comme pour diverses maladies respiratoires. Méthodes : Une analyse descriptive des multiexpositions professionnelles a été menée dans la cohorte CARTaGENE comprenant 19 985 participants âgés de 40 à 69 ans au recrutement (2009-2012). Les diagnostics de maladies respiratoires chroniques ont été auto-déclarés par les participants, sauf pour les cas incidents de cancer du poumon, identifiés par le Registre québécois du cancer. Les participants ont rapporté leur profession occupée le plus longtemps et leurs expositions professionnelles ont été déterminées à l’aide de la matrice emplois-expositions CANJEM. Soixante-quatre agents pour lesquels ≥100 participants étaient exposés ont été inclus. Le frequent itemset mining a été utilisé pour extraire les multiexpositions fréquentes. Résultats : Au total, 15 521 participants ont été inclus, desquels 7 370 étaient exposés à au moins un agent et 5 990 étaient multiexposés (médiane = 5 agents). Les multiexpositions fréquentes incluaient : agents de nettoyage – biocides, composés du plomb – HAP et gaz d’échappement – HAP. Des différences dans les profils de multiexposition ont été mises en évidence selon le sexe et les secteurs industriels, mais pas en fonction du statut de maladie. Les hommes étaient plus fréquemment multiexposés que les femmes et les secteurs de la santé, de la fabrication et du commerce comptaient le plus de participants multiexposés. Conclusion : Cette étude constitue un premier pas vers l’élaboration d’hypothèses sur les effets sur la santé de diverses multiexpositions professionnelles.
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 | 0.009 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".