MétaCan
Menu
Retour à la cohorte
Enregistrement W2553349356 · doi:10.1097/jom.0000000000000878

Lung Cancer Among Firefighters

2016· article· en· W2553349356 sur OpenAlexaboutno aff
Carolina Bigert, Per Gustavsson, Kurt Straíf, Dirk Taeger, Beate Pesch, Benjamin Kendzia, Joachim Schüz, Isabelle Stücker, Florence Guida, Irene Brüske, Heinz‐Erich Wichmann, Angela Cecilia Pesatori, Maria Teresa Landi, Neil E. Caporaso, Lap Ah Tse, I. Yu, Jack Siemiatycki, Jérôme Lavoué, Lorenzo Richiardi, Dario Mirabelli, Lorenzo Simonato, Karl‐Heinz Jöckel, Wolfgang Ahrens, Hermann Pohlabeln, Adonina Tardón, David Zaridze, John K. Field, Andrea ’t Mannetje, Neil Pearce, John McLaughlin, Paul A. Demers, Neonila Szeszenia‐Dąbrowska, Jolanta Lissowska, Péter Rudnai, Eleonóra Fabiánová, Rodica Stanescu Dumitru, Vladimír Bencko, Lenka Foretová, Vladimí­r Janout, Paolo Boffetta, Susan Peters, Roel Vermeulen, Hans Kromhout, Thomas Brüning, Ann Olsson

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer Institute
Mots-clésLung cancerMedicineCancerEnvironmental healthOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The aim of this study was to explore lung cancer risk among firefighters, with adjustment for smoking. METHODS: We used pooled information from the SYNERGY project including 14 case-control studies conducted in Europe, Canada, New Zealand, and China, with lifetime work histories and smoking habits for 14,748 cases of lung cancer and 17,543 controls. We estimated odds ratios by unconditional logistic regression with adjustment for smoking and having ever been employed in a job known to present an excess risk of lung cancer. RESULTS: There was no increased lung cancer risk overall or by specific cell type among firefighters (n = 190), neither before nor after smoking adjustment. We observed no significant exposure-response relationship in terms of work duration. CONCLUSIONS: We found no evidence of an excess lung cancer risk related to occupational exposure as a firefighter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,427
Écart entre enseignants0,381 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetOccupational Health and PerformanceTravaux en français237 207