MétaCan
Menu
← Retour à la cohorte
Enregistrement W2069475544 · doi:10.1158/1538-7445.am10-3777

Abstract 3777: Diesel motor exhaust and lung cancer risk in a pooled analysis from case-control studies in Europe and Canada

2010· article· en· W2069475544 sur OpenAlexaffabout
Ann Olsson, Per Gustavsson, Hans Kromhout, Susan Peters, Roel Vermeulen, Irene Brüske, Beate Pesch, Tomas Brüning, Jack Siemiatycki, Javier Pintos, Heinz‐Erich Wichmann, Dario Consonni, Nils Plato, Franco Merletti, Dario Mirabelli, Lorenzo Richiardi, Karl‐Heinz Jöckel, Wolfgang Ahrens, Hermann Pohlabeln, Lissowska Jolanta, Neonila Szeszenia‐Dąbrowska, Adrian Cassidy, Давид Заридзе, Isabelle Stücker, Simone Benhamou, Vladimír Bencko, Lenka Foretová, Vladimí­r Janout, Péter Rudnai, Eleonóra Fabiánová, Dana Mateș, Bas Bueno‐de‐Mesquita, Isabelle Groß, Véronique Benhaı̈m-Luzon, Paolo Boffetta, Kurt Straíf

Notice bibliographique

RevueCancer Research · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerConfoundingOdds ratioEnvironmental healthConfidence intervalEpidemiologyLogistic regressionJob-exposure matrixCase-control studyCancerDemographyToxicologyInternal medicineOccupational exposureBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Diesel-motor exhaust (DME) is classified by IARC as probably carcinogenic to humans. The epidemiological evidence is evaluated as limited since many studies lack adequate information on tobacco smoking and only few studies reported on exposure-response relationships. Our objective is to investigate the risk of lung cancer following occupational exposure to DME, while controlling for smoking and potential occupational confounders. Methods: The SYNERGY project pooled information on lifetime work histories and tobacco smoking from more than 13300 cases and 16300 controls from case-control studies conducted in 12 European countries and Canada. A job exposure matrix based on ISCO codes, assigning no (0), low (1) or high (2) exposure to DME was applied to determine level of exposure to DME. Cumulative exposure was defined as: ∑(level2 * duration). Odds ratios (OR) of lung cancer and 95% confidence intervals (CI) were estimated by unconditional logistic regression, adjusted for age, sex, study, pack-years and time since quitting smoking, and ever employment in a “Group A” job, i.e. occupations with established lung cancer risk. Results: Workers exposed to low levels of occupational DME exposure had an increased risk of lung cancer after 40 years of exposure OR 1.31 (95% CI 1.14-1.51), while workers exposed to high DME levels experienced a similar risk already after short duration (<10 years) OR 1.29, 95% CI 1.15-1.46. Cumulative DME exposure showed a significant exposure-response trend (p-value <0.000) with an OR of 1.31 (95% CI 1.20-1.44) in the highest quartile. These results were similar in workers never employed in “Group A“ jobs, lending support to the assumption that confounding due to other occupational exposures was not responsible for the observed risk. Analyses in sub-populations of women and never-smokers also indicated an increased risk of lung cancer following occupational DME exposure. Conclusion: Our results indicate that occupational exposure to DME is associated with an increased risk of lung cancer. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 101st Annual Meeting of the American Association for Cancer Research; 2010 Apr 17-21; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2010;70(8 Suppl):Abstract nr 3777.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,316

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,009
Bibliométrie0,0080,012
Études des sciences et des technologies0,0010,001
Communication savante0,0030,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,430
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetAir Quality and Health Impacts→Travaux en français237 207→