Wood dust exposure and risk of lung cancer
Notice bibliographique
Résumé
OBJECTIVES: Despite the compelling association between wood dust and sinonasal cancer, there has been little systematic and rigorous study of the relationship between wood dust and lung cancer. We investigated whether a history of wood dust exposure through occupational and hobby-related activities was associated with increased lung cancer risk. METHODS: We conducted a population-based case-control study, with 440 cases and 845 age-matched controls. Using detailed work and personal histories, quantitative estimates of cumulative exposure to wood dust (thought to be primarily from softwood) were calculated for each participant. Using unconditional logistic regression adjusted for age and smoking status, risk of lung cancer was examined in relation to employment in wood-related occupations, working with wood as a hobby, as well as cumulative wood dust exposure that took into account both occupational and hobby-related sources. RESULTS: While we observed an increased risk of lung cancer associated with working in a sawmill (OR=1.5; 95% CI: 1.1, 2.1), we found no evidence of increased risks with other occupations, working with wood as a hobby or with estimated cumulative exposure to wood dust. Contrary to our hypothesis, we observed modest decreased risks with exposure to wood dust, although no dose-response relationship was apparent. CONCLUSIONS: This study provided somewhat reassuring evidence that softwood dust does not increase the risk of lung cancer, but future studies should evaluate exposure to hardwood dusts. Suggestive evidence for an inverse association may be attributable to the presence of endotoxin in the wood dust, but the lack of a dose-response relationship suggests a non-causal relationship.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».