Cancer among the black labour force of the platinum group metals and the gold mining industries in South Africa, 1989-96
Notice bibliographique
Résumé
Aim. This paper aims to quantify for the first time the cancer occurrence among black employees of the platinum group metals (PGM) industry and to compare these figures with those of the well-recorded and long established gold mining industry. Patients and methods. Data on cancer incidence have been obtained from records of hospitals which serve the two industries for the period 1989-96. The PGM industry employs about one quarter of the labour force of the gold mines and both industries employ men from several areas across southern Africa. The PGM industry recruits especially from Bophuthatswana; both industries employ Mozambique men and gold miners also come especially from Lesotho and Transkei. Results. For total cancers of all sites, PGM workers record very significantly few cases: 149 observed whereas 385 were expected. Significant deficits of cancer amongst PGM men apply to twelve specific sites, including the three most numerous cancers of gold miners, respiratory system, liver and oesophagus which are all very significantly (p <0.01) under-represented in PGM employees. Studies show that cancer of the buccal cavity has risen considerably in the black gold miners in the last forty years: this cancer is also common in the PGM workers. All sites of cancer and buccal cancer are each diagnosed at similar ages in the PGM group as in the gold industry men. Conclusion. These major contrasts of cancer between two extractive industries in South Africa are suggestive of occupational or environmental differences. No obvious carcinogenic risk has been suggested to exist in either industry, and specific enquiry is warranted to explain the low overall cancer incidence among the PGM's largely Tswana workforce.
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) | 0,000 | 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 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 ».