Exposure to welding fumes increases lung cancer risk among light smokers but not among heavy smokers: evidence from two case–control studies in <scp>M</scp>ontreal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We investigated relationships between occupational exposure to gas and arc welding fumes and the risk of lung cancer among workers exposed to these agents throughout the spectrum of industries. Two population-based case-control studies were conducted in Montreal. Study I (1979-1986) included 857 cases and 1066 controls, and Study II (1996-2001) comprised 736 cases and 894 controls. Detailed job histories were obtained by interview and evaluated by an expert team of chemist-hygienists to estimate degree of exposure to approximately 300 substances for each job. Gas and arc welding fumes were among the agents evaluated. We estimated odds ratios (ORs) and 95% confidence intervals (CIs) of lung cancer using logistic regression, adjusting for smoking history and other covariates. The two studies provided similar results, so a pooled analysis was conducted. Among all subjects, no significant association was found between lung cancer and gas welding fumes (OR = 1.1; 95% CI = 0.9-1.4) or arc welding fumes (OR = 1.0; 95% CI = 0.8-1.2). However, when restricting attention to light smokers, there was an increased risk of lung cancer in relation to gas welding fumes (OR = 2.9; 95% CI = 1.7-4.8) and arc welding fumes (OR = 2.3; 95% CI = 1.3-3.8), with even higher OR estimates among workers with the highest cumulative exposures. In conclusion, there was no detectable excess risk of lung cancer due to welding fumes among moderate to heavy smokers; but among light smokers we found an excess risk related to both types of welding fumes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle