Long-term Ambient Fine Particulate Matter Air Pollution and Lung Cancer in a Large Cohort of Never-Smokers
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
RATIONALE: There is compelling evidence that acute and chronic exposure to ambient fine particulate matter (PM(2.5)) air pollution increases cardiopulmonary mortality. However, the role of PM(2.5) in the etiology of lung cancer is less clear, particularly at concentrations that prevail in developed countries and in never-smokers. OBJECTIVES: This study examined the association between mean long-term ambient PM(2.5) concentrations and lung cancer mortality among 188,699 lifelong never-smokers drawn from the nearly 1.2 million Cancer Prevention Study-II participants enrolled by the American Cancer Society in 1982 and followed prospectively through 2008. METHODS: Mean metropolitan statistical area PM(2.5) concentrations were determined for each participant based on central monitoring data. Cox proportional hazards regression models were used to estimate multivariate adjusted hazard ratios and 95% confidence intervals for lung cancer mortality in relation to PM(2.5). MEASUREMENTS AND MAIN RESULTS: A total of 1,100 lung cancer deaths were observed during the 26-year follow-up period. Each 10 μg/m(3) increase in PM(2.5) concentrations was associated with a 15-27% increase in lung cancer mortality. The association between PM(2.5) and lung cancer mortality was similar in men and women and across categories of attained age and educational attainment, but was stronger in those with a normal body mass index and a history of chronic lung disease at enrollment (P < 0.05). CONCLUSIONS: The present findings strengthen the evidence that ambient concentrations of PM(2.5) measured in recent decades are associated with small but measurable increases in lung cancer mortality.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle