Lifetime occupational exposure to metals and welding fumes, and risk of glioma: a 7-country population-based case–control study
Notice bibliographique
Résumé
BACKGROUND: Brain tumor etiology is poorly understood. Based on their ability to pass through the blood-brain barrier, it has been hypothesized that exposure to metals may increase the risk of brain cancer. Results from the few epidemiological studies on this issue are limited and inconsistent. METHODS: We investigated the relationship between glioma risk and occupational exposure to five metals - lead, cadmium, nickel, chromium and iron- as well as to welding fumes, using data from the seven-country INTEROCC study. A total of 1800 incident glioma cases and 5160 controls aged 30-69 years were included in the analysis. Lifetime occupational exposure to the agents was assessed using the INTEROCC JEM, a modified version of the Finnish job exposure matrix FINJEM. RESULTS: In general, cases had a slightly higher prevalence of exposure to the various metals and welding fumes than did controls, with the prevalence among ever exposed ranging between 1.7 and 2.2% for cadmium to 10.2 and 13.6% for iron among controls and cases, respectively. However, in multivariable logistic regression analyses, there was no association between ever exposure to any of the agents and risk of glioma with odds ratios (95% confidence intervals) ranging from 0.8 (0.7-1.0) for lead to 1.1 (0.7-1.6) for cadmium. Results were consistent across models considering cumulative exposure or duration, as well as in all sensitivity analyses conducted. CONCLUSIONS: Findings from this large-scale international study provide no evidence for an association between occupational exposure to any of the metals under scrutiny or welding fumes, and risk of glioma.
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 | 0,001 | 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) | 0,000 | 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 ».