Can loud noise cause acoustic neuroma? Analysis of the INTERPHONE study in France
Notice bibliographique
Résumé
OBJECTIVES: To investigate possible associations between risk of acoustic neuroma and exposure to loud noise in leisure and occupational settings. METHODS: A case-control study was conducted in France within the international INTERPHONE study. The cases were the 108 subjects diagnosed with acoustic neuroma between 1 June 2000 and 31 August 2003. Two controls per case were selected from the electoral rolls and individually matched for gender, age (5 years) and area (local authority district) of residence at the time of the case diagnosis. Multivariate analyses were conducted using conditional logistic regression. Adjustment was made for socioeconomic status. RESULTS: Acoustic neuroma was found to be associated with loud noise exposure (odds ratio (OR) = 2.55; 95% CI 1.35 to 4.82), both in leisure settings, particularly when listening to loud music (OR = 3.88; 95% CI 1.48 to 10.17) and at work (OR = 2.26; 95% CI 1.08 to 4.72). This risk increased with exposure duration (>6 years' leisure exposure: OR = 3.15; 95% CI 1.07 to 9.24). Risk varied according to the type of noise (continuous or explosive vs intermittent). CONCLUSION: The present results agree with other recent reports implicating loud noise in the risk of acoustic neuroma.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».