Occupational exposures to leaded and unleaded gasoline engine emissions and lung cancer risk
Notice bibliographique
Résumé
OBJECTIVES: To determine whether occupational exposure to gasoline engine emissions (GEE) increased the risk of lung cancer and more specifically whether leaded or unleaded GEE increased the risk. METHODS: Two population-based case-control studies were conducted in Montreal, Canada. The first was conducted in the early 1980s and included many types of cancer including lung cancer. The second was conducted in the late 1990s and focused on lung cancer. Population controls were used in both studies. Altogether, there were 1595 cases and 1432 population controls. A comprehensive expert-based exposure assessment procedure was implemented and exposure was assessed for 294 agents, including unleaded GEE, leaded GEE and diesel engine emissions (DEE). Logistic regression analyses were conducted to estimate ORs between various metrics of GEE exposure and lung cancer, adjusting for smoking, DEE and other potential confounders. RESULTS: About half of all controls were occupationally exposed to GEE. Irrespective of the metrics of exposure (any exposure, duration of exposure and cumulative exposure) and the type of lung cancer, and the covariates included in models, none of the point estimates of the ORs between occupational exposure to leaded or unleaded GEE and lung cancer were above 1.0. Pooling two studies, the OR for any exposure to leaded GEE was 0.82 (0.68-1.00). CONCLUSIONS: Our results do not support the hypothesis that occupational exposure to GEE increases the risk of lung cancer.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».