Pesticide exposure and risk of Parkinson’s disease – a population-based case–control study evaluating the potential for recall bias
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to investigate whether pesticide exposure was associated with Parkinson's disease in a population-based case-control study in British Columbia, Canada. METHODS: Patients reimbursed for anti-parkinsonian agents were identified and screened for eligibility as cases. Controls were selected from the universal health insurance database, frequency-matched to the case sample on birth year, gender, and geographic region. A total of 403 cases and 405 controls were interviewed about their job, medical and personal habits histories, and beliefs about disease risk factors. Among those reporting pesticide exposure, an occupational hygiene review selected participants exposed "beyond background" (ie, above the level expected in the general population). Unconditional logistic regression was used to estimate associations for different pesticide categories. RESULTS: Of the cases, 74 (18%) self-reported pesticide exposure and 37 (9%) were judged to be exposed beyond background. Self-reported exposure was associated with increased risk [odds ratio (OR) 1.76, 95% confidence interval (95% CI) 1.15-2.70], however the risk estimate was reduced following the hygiene review when restricted to those considered exposed (OR, 1.51, 95% CI, 0.85-2.69). When agricultural work was added to the model, the risk for hygiene-reviewed pesticide exposure was not elevated (OR 0.83, 95% CI 0.43-1.61), but agricultural work was (OR 2.47, 95% CI 1.18-5.15). More than twice as many cases as controls thought chemicals cause Parkinson's disease. Discussion This study provides little support for pesticide exposure as a cause of Parkinson's disease. The observed pattern of step-wise decreases in risk estimates might indicate differential recall by case status. The relationship to agricultural jobs suggests that farming exposures--other than pesticides--should be considered as risk factors for Parkinson's disease.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».