Prostate cancer surveillance by occupation and industry: the Canadian Census Health and Environment Cohort (CanCHEC)
Notice bibliographique
Résumé
As there are no well-established modifiable risk factors for prostate cancer, further evidence is needed on possible factors such as occupation. Our study uses one of the largest Canadian worker cohorts to examine occupation, industry, and prostate cancer and to assess patterns of prostate cancer rates. The Canadian Census Health and Environment Cohort (CanCHEC) was established by linking the 1991 Canadian Census Cohort to the Canadian Cancer Database (1969-2010), Canadian Mortality Database (1991-2011), and Tax Summary Files (1981-2011). A total of 37,695 prostate cancer cases were identified in men aged 25-74 based on age at diagnosis. Cox proportional hazards models were used to estimate hazards ratios and 95% confidence intervals. In men aged 25-74 years, elevated risks were observed in the following occupations: senior management (HR = 1.12, 95% CI: 1.04-1.20); office and administration (HR = 1.19, 95% CI: 1.11-1.27); finance services (HR = 1.09, 95% CI: 1.04-1.14); education (HR = 1.05, 95% CI: 1.00-1.11); agriculture and farm management (HR = 1.12, 95% CI: 1.06-1.17); farm work (HR = 1.11, 95% CI: 1.01-1.21); construction managers (HR = 1.07, 95% CI: 1.01-1.14); firefighting (HR = 1.17, 95% CI: 1.01-1.36); and police work (HR = 1.22, 95% CI: 1.09-1.36). Decreased risks were observed across other construction and transportation occupations. Results by industry were consistent with occupation results. Associations were identified for white-collar, agriculture, protective services, construction, and transportation occupations. These findings emphasize the need for further study of job-related exposures and the potential influence of nonoccupational factors such as screening practices.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».