Lung cancer and occupational exposures other than cotton dust and endotoxin among women textile workers in Shanghai, China
Notice bibliographique
Résumé
OBJECTIVES: Numerous epidemiological studies of lung cancer among textile workers worldwide consistently indicate reduced risks related to cotton dust exposure, presumably due to endotoxin contamination. Our objective was to investigate associations with other exposures potentially related to lung cancer, including wool and synthetic fibre dusts, formaldehyde, silica, dyes and metals, that have only been studied to a limited extent in the textile industry. METHODS: We conducted a case-cohort study nested within a cohort of 267,400 women textile workers in Shanghai, China. We compared work assignments and exposure histories of 628 incident lung cancer cases, diagnosed during 1989-1998, with those of a reference subcohort of 3188 workers. We reconstructed exposures with a job-exposure matrix developed specifically for textile factories. Cox proportional hazards modelling was applied to estimate age/smoking-adjusted relative risks (hazard ratios) and risk gradients associated with job assignments and specific agents other than cotton dust and endotoxin. RESULTS: No associations were observed for lung cancer with wool, silk or synthetic fibre dusts, or with most other agents. However, increased risks, although statistically imprecise, were noted for ≥ 10 years' exposures to silica (adjusted HR 3.5, 95% CI 1.0 to 13) and ≥ 10 years' exposures to formaldehyde (adjusted HR 2.1, 95% CI 0.4 to 11). CONCLUSIONS: Exposures to silica and formaldehyde, although not widespread among the cohort, may have increased lung cancer risk. Silica is an established human lung carcinogen, whereas there is only weak prior evidence supporting an association with formaldehyde. Both exposures warrant consideration as potential lung carcinogens in textile manufacturing.
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 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) | 0,000 | 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) | 0,002 | 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 tête enseignante, 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 ».