Atmospheric fine particulate matter and breast cancer mortality: a population-based cohort study
Notice bibliographique
Résumé
Objectives Atmospheric fine particulate matter (PM 2.5 ) has multiple adverse effects on human health. Global atmospheric levels of PM 2.5 increased by 0.55 μg/m 3 /year (2.1%/year) from 1998 through 2012. There is evidence of a causal relationship between atmospheric PM 2.5 and breast cancer (BC) incidence, but few studies have investigated BC mortality and atmospheric PM 2.5 . We investigated BC mortality in relation to atmospheric PM 2.5 levels among patients living in Varese Province, northern Italy. Methods We selected female BC cases, archived in the local population-based cancer registry, diagnosed at age 50–69 years, between 2003 and 2009. The geographic coordinates of each woman's place of residence were identified, and individual PM 2.5 exposures were assessed from satellite data. Grade, stage, age at diagnosis, period of diagnosis and participation in BC screening were potential confounders. Kaplan-Meir and Nelson-Aalen methods were used to test for mortality differences in relation to PM 2.5 quartiles. Multivariable Cox proportional hazards modelling estimated HRs and 95% CIs of BC death in relation to PM 2.5 exposure. Results Of 2021 BC cases, 325 died during follow-up to 31 December 2013, 246 for BC. Risk of BC death was significantly higher for all three upper quartiles of PM 2.5 exposure compared to the lowest, with HRs of death: 1.82 (95% CI 1.15 to 2.89), 1.73 (95% CI 1.12 to 2.67) and 1.72 (95% CI 1.08 to 2.75). Conclusions Our study indicates that the risk of BC mortality increases with PM 2.5 exposure. Although additional research is required to confirm these findings, they are further evidence that PM 2.5 exposure is harmful and indicate an urgent need to improve global air quality.
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 | 0,001 | 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) | 0,013 | 0,001 |
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 ».