Benzene exposure assessment uncertainty and its use in sensitivity analyses in a pooled study of leukaemia
Notice bibliographique
Résumé
Objectives We examined the effect of exposure misclassification on measures of risk in a study of leukaemia and exposure to benzene. Methods The exposure to benzene was estimated for 370 leukaemia cases and 1587 controls in a nested case-control study. The study drew cases and controls from three petroleum industry cohorts in the UK, Canada and Australia. The exposures were expressed as intensity of benzene exposure (ppm) for each job and the cumulative exposure (ppm-years) was estimated by multiplying the years at each job and summing over the career. The exposure estimate for each job was allocated a confidence 25ore of Low, Medium or High. This was used to group the subjects into those for whom all jobs with a High confidence exposure estimates, and those with a Moderate confidence exposure estimates (all jobs allocated High or Medium ie, where no jobs had a Low score). The ORs for leukaemia subtypes associated with cumulative exposure or intensity of exposure were estimated. Sensitivity analyses included only those subjects with Moderate or High confidence scores. Results For more than one leukaemia subtypes the ORs were increased when subjects with low exposure certainty were removed and further increased when only those subjects with high certainty were included. Conclusions This suggests that exposure misclassification has reduced the observed ORs in this study and highlights the need to design studies so that this can be evaluated.
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 | 0,421 | 0,627 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,020 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 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 ».