Occupational and environmental exposures and risk of systemic lupus erythematosus: silica, sunlight, solvents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: We examined occupational and non-occupational exposures in relation to risk of SLE in a case-control study conducted through the Canadian Network for Improved Outcomes in SLE (CaNIOS). METHODS: SLE cases (n = 258) were recruited from 11 rheumatology centres across Canada. Controls (without SLE, n = 263) were randomly selected from phone number listings and matched to cases by age, sex and area of residence. Data were collected using a structured telephone interview. RESULTS: An association was seen with outdoor work in the 12 months preceding diagnosis [odds ratio (OR) 2.0; 95% CI 1.1, 3.8]; effect modification by sun reaction was suggested, with the strongest effect among people who reported reacting to midday sun with a blistering sunburn or a rash (OR 7.9; 95% CI 0.97, 64.7). Relatively strong but imprecise associations were seen with work as an artist working with paints, dyes or developing film (OR 3.9; 95% CI 1.3, 12.3) and work that included applying nail polish or nail applications (OR 10.2; 95% CI 1.3, 81.5). Patients were more likely than controls to report participation in pottery or ceramics work as a leisure activity, with an increased risk among individuals with a total frequency of at least 26 days (OR 2.1; 95% CI 1.1, 3.9). Analyses of potential respirable silica exposures suggested an exposure-response gradient (OR 1.0, 1.4. and 2.1 for zero, one and two or more sources of exposure, respectively; trend test P < 0.01). CONCLUSIONS: This study supports the role of specific occupational and non-occupational exposures in the development of SLE.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle