Mobile phone radiation causes brain tumors and should be classified as a probable human carcinogen (2A) (Review)
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
Quickly changing technologies and intensive uses of radiofrequency electromagnetic field (RF-EMF)‑emitting phones pose a challenge to public health. Mobile phone users and uses and exposures to other wireless transmitting devices (WTDs) have increased in the past few years. We consider that CERENAT, a French national study, provides an important addition to the literature evaluating the use of mobile phones and risk of brain tumors. The CERENAT finding of increased risk of glioma is consistent with studies that evaluated use of mobile phones for a decade or longer and corroborate those that have shown a risk of meningioma from mobile phone use. In CERENAT, exposure to RF‑EMF from digitally enhanced cordless telephones (DECTs), used by over half the population of France during the period of this study, was not evaluated. If exposures to DECT phones could have been taken into account, the risks of glioma from mobile phone use in CERENAT are likely to be higher than published. We conclude that radiofrequency fields should be classified as a Group 2A ̔probable̓ human carcinogen under the criteria used by the International Agency for Research on Cancer (Lyon, France). Additional data should be gathered on exposures to mobile and cordless phones, other WTDs, mobile phone base stations and Wi‑Fi routers to evaluate their impact on public health. We advise that the as low as reasonable achievable (ALARA) principle be adopted for uses of this technology, while a major cross‑disciplinary effort is generated to train researchers in bioelectromagnetics and provide monitoring of potential health impacts of RF‑EMF.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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