Time-dependent effect of intensity of smoking and of occupational exposure to asbestos on the risk of lung cancer: results from the ICARE case–control study
Notice bibliographique
Résumé
OBJECTIVE: To estimate the impact of intensity of both smoking and occupational exposure to asbestos on the risk of lung cancer throughout the whole exposure history. METHODS: Data on 2026 male cases and 2610 male controls came from the French ICARE (Investigation of occupational and environmental causes of respiratory cancers) population-based, case-control study. Lifetime smoking history and occupational history were collected from standardised questionnaires and face-to-face interviews. Occupational exposure to asbestos was assessed using a job exposure matrix. The effects of annual average daily intensity of smoking (reported average number of cigarettes smoked per day) and asbestos exposure (estimated average daily air concentration of asbestos fibres at work) were estimated using a flexible weighted cumulative index of exposure in logistic regression models. RESULTS: Intensity of smoking in the 10 years preceding diagnosis had a much stronger association with the risk of lung cancer than more distant intensity. By contrast, intensity of asbestos exposure that occurred more than 40 years before diagnosis had a stronger association with the risk of lung cancer than more recent intensity, even if intensity in the 10 years preceding diagnosis also had a significant effect. CONCLUSION: Our results illustrate the dynamic of the effect of intensity of both smoking and occupational exposure to asbestos on the risk of lung cancer. They confirm that the timing of exposure plays an important role, and suggest that standard analytical methods assuming equal weights of intensity over the whole exposure history may be questionable.
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 ».