162 Using carcinogenic classifications of pesticides to evaluate the risk of select cancers in Canadian men
Notice bibliographique
Résumé
Objective To examine possible associations between exposure to pesticides classified by their carcinogenicity and the risk of select cancers in Canadian men. Methods Between 1991 and 1994, data were collected in six provinces using paper and telephone questionnaires from cases with incident non-Hodgkin lymphoma (NHL) (N = 513), multiple myeloma (MM) (N = 342), soft tissue sarcoma (STS) (N = 357), and Hodgkin lymphoma (HL) (N = 316) and a random, population-based sample of 1506 age- and province-matched controls. Pesticides were grouped into carcinogenic categories using a composite score created from evaluations by the International Agency for Research on Cancer (IARC) and US Environmental Protection Agency (US EPA). Pesticides were categorised as “probably” carcinogenic (IARC Group 2A and/or US EPA Group B and higher) or “possibly” carcinogenic (IARC Group 2B and/or US EPA Group C and higher). Logistic regression was used to calculate odds ratios (ORs) and 95% confidence intervals (CIs). Models were adjusted for age, province, and use of a proxy respondent. Results Nearly 20 “probably” and 50 “possibly” carcinogenic pesticides were reportedly used by participants. Men who used any “probably” carcinogenic pesticide had increased odds for NHL (OR = 1.63, 95% CI: 1.23−2.16) and MM (OR = 1.56, 95% CI: 1.12−2.18), but not for STS (OR = 1.13; 95% CI: 0.81−1.58) and HL (OR = 0.99, 95% CI: 0.66−1.48) relative to men who did not use these pesticides. Similarly, men who used any “possibly” carcinogenic pesticide had higher odds for NHL (OR = 1.54, 95% CI: 1.21−1.96) and MM (OR = 1.36, 95% CI: 1.02−1.81), but not for STS (OR = 1.02, 95% CI: 0.77−1.35) and HL (OR = 0.97, 95% CI: 0.70−1.33). Conclusions The use of any carcinogenic pesticide was associated with modest increases in odds for NHL and MM, but not for STS and HD. The ORs were slightly larger from use of “probably” compared to “possibly” carcinogenic pesticides. These results are consistent with IARC and US EPA pesticide classifications.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».