Evaluating causality for occupational cancers: the example of firefighters
Notice bibliographique
Résumé
BACKGROUND: The evaluation of causality in cancers associated with firefighting presents problems common to other applications of occupational epidemiology in adjudication of individual claims for workers' compensation. A trend in Canada to establish legislated presumptions for compensation of firefighters created an opportunity to re-evaluate the literature applying medicolegal standards of certainty. OBJECTIVE: To evaluate causality in selected cancer categories for firefighters using the criteria applied in tort litigation and workers' compensation, which is based on the weight of evidence and which is required to take into account individual factors. METHODS: The epidemiological literature on cancer risk among firefighters was reviewed based on the weight of evidence rather than scientific certainty. Generalizable frameworks were formulated to define recurrent issues in assessing the evidence from epidemiological studies. The evidence for latency and for a threshold effect with duration of employment was also examined in order to provide practical guidelines. RESULTS: Presumption is justified for the following cancers: bladder, kidney, testicular and brain, and lung cancer among non-smokers. Non-Hodgkin lymphoma, leukaemia and myeloma (each as a class) not only present particular problems in assessment but also merit an assumption of presumption. Four analytical frameworks describe the problems in analysis encountered. DISCUSSION: The preponderance of evidence supports the presumption of causation for certain cancer, mostly rare. These frameworks are applicable to other problems of adjudication that rest on interpretation of epidemiological data. The named cancers, taking into account the special assessment issues described by each framework, are supported by sufficient evidence to conclude that a presumption is warranted but not necessarily sufficient evidence to accept as proof by a scientific standard.
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 | 0,087 | 0,166 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».