Lung cancer risk from radon in Ontario, Canada: how many lung cancers can we prevent?
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
PURPOSE: To calculate the burden of lung cancer illness due to radon for all thirty-six health units in Ontario and determine the number of radon-attributable lung cancer deaths that could be prevented. METHODS: We calculated the population attributable risk percent, excess life-time risk ratio, life-years lost, the number of lung cancer deaths due to radon, and the number of deaths that could be prevented if all homes above various cut-points were effectively reduced to background levels. RESULTS: It is estimated that 13.6 % (95 % CI 11.0, 16.7) of lung cancer deaths in Ontario are attributable to radon, corresponding to 847 (95 % CI 686, 1,039) lung cancer deaths each year, approximately 84 % of these in ever-smokers. If all homes above 200 Bq/m(3), the current Canadian guideline, were remediated to background levels, it is estimated that 91 lung cancer deaths could be prevented each year, 233 if remediation was performed at 100 Bq/m(3). There was important variation across health units. CONCLUSIONS: Radon is an important contributor to lung cancer deaths in Ontario. A large portion of radon-attributable lung cancer deaths are from exposures below the current Canadian guideline, suggesting interventions that install effective radon-preventive measures into buildings at build may be a good alternative population prevention strategy to testing and remediation. For some health units, testing and remediation may also prevent a portion of radon-related lung cancer deaths. Regional attributable risk estimates can help with local public health resource allocation and decision making.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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