MétaCan
Menu
Retour à la cohorte
Enregistrement W2097477476 · doi:10.1002/ajim.10041

Canadian male farm residents, pesticide safety handling practices, exposure to animals and non-Hodgkin's lymphoma (NHL)

2002· article· en· W2097477476 sur OpenAlexaffabout
Helen H. McDuffie, Punam Pahwa, John J. Spinelli, John McLaughlin, S Fincham, Deborah Robson, J A Dosman, Jia Hu

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2002
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Exposure and Toxicity
Établissements canadiensAlberta Health ServicesUniversity of TorontoBC Cancer AgencySaskatchewan Cancer AgencyLunenfeld-Tanenbaum Research InstituteUniversity of SaskatchewanRoyal University Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioEnvironmental healthPersonal protective equipmentPopulationConfidence intervalNon-Hodgkin's lymphomaLymphomaInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A majority of published studies indicate that farmers have an elevated risk of developing non-Hodgkin's lymphoma (NHL) compared to other workers. METHODS: We evaluated accidental exposure to pesticides, the use of personal protective equipment, and exposure to animals among male farm residents in a Canadian population-based, multi-centre, NHL-control questionnaire study. RESULTS: In a multivariate model, the following variables had statistically significant adjusted odds ratios (OR) using 95% confidence intervals (95% CI) (a) higher risk: having more than 13 head of swine, raising bison, elk or ostriches, a personal history of cancer, > 4 and < or = 15 years of farm residence and occupational exposure to diesel fuel and exhaust; (b) lower risk: raising cattle and a personal history of measles. CONCLUSIONS: Future multidisciplinary studies of NHL should include a comprehensive review of exposure to animals in sufficient detail to assess etiological mechanisms to explain the putative associations between exposure to farm animals and NHL.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,258
Écart entre enseignants0,218 · 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'étudeObservationnel
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

Citations44
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetPesticide Exposure and ToxicityTravaux en français237 207