Examining lung cancer risks across different industries and occupations in Ontario, Canada: the establishment of the Occupational Disease Surveillance System
Notice bibliographique
Résumé
BACKGROUND: The Occupational Disease Surveillance System (ODSS) was established in Ontario, Canada by linking a cohort of workers with data created from Workplace Safety and Insurance Board (WSIB) claims to administrative health databases. The aim of this study was to use ODSS to identify high-risk industry and occupation groups for lung cancer in Ontario. METHODS: Workers in the WSIB lost time claims database were linked to the Ontario Cancer Registry using subjects' health insurance numbers, name, sex, birthdate and death date (if applicable). Several occupations and industries known to be at increased risk were outlined a priori to examine whether ODSS could replicate these associations. Age-adjusted, sex-stratified Cox proportional hazard models compared the risk of lung cancer within one industry/occupation versus all other groups in the cohort. Workers with a lung cancer diagnosis prior to cohort entry were excluded for analysis, leaving 2 187 762 workers for analysis. RESULTS: During the 1983 to 2014 follow-up, 34 661 workers in the cohort were diagnosed with lung cancer. Among expected high-risk industries, elevated risks were observed among workers in quarries/sand pits and construction industries for both sexes, and among males in metal mines, iron foundries, non-metallic mineral products industries and transportation industries. Excess risk was also observed among occupations in drilling/blasting, other mining/quarrying, mineral ore treating, excavating/grading/paving, truck driving, painting, bus driving and construction. CONCLUSIONS: This current surveillance system identified several established high-risk groups for lung cancer and could be used for ongoing surveillance of occupational lung cancer in Ontario.
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 | 0,000 | 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 | 0,001 |
| 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 ».