Pooled study of occupational exposure to aromatic hydrocarbon solvents and risk of multiple myeloma
Notice bibliographique
Résumé
OBJECTIVES: To investigate the association between occupational exposure to aromatic hydrocarbon solvents and risk of multiple myeloma (MM) in a large, consortium-based study. METHODS: We pooled data on 2854 cases and 10 743 controls from nine studies participating in the InterLymph consortium. Occupational exposures to benzene, toluene and xylene were assigned by a job-exposure matrix, coupled with 'correction' of exposure probability by self-reported or expert-assessed exposure from the individual studies. Cumulative intensity was calculated as the job-specific exposure intensity multiplied by job duration, summed across jobs. Associations were estimated using logistic regression, with inclusion of covariates for study matching factors and other potential confounders. We repeated our main analysis using random-effects meta-analysis to evaluate heterogeneity of effect. RESULTS: Benzene, toluene and xylene were each associated with MM. For the three solvents, the highest quartile of high-probability cumulative intensity exposure (vs unexposed) was associated with 42% to 63% increased risks of MM. Associations with toluene and xylene exposures were fairly consistent and robust to sensitivity analyses. The estimated effect for benzene was moderately heterogeneous between the studies. Each solvent's association with MM was stronger for exposure occurring within 20 years of diagnosis than with exposure lagged by more than 20 years. CONCLUSIONS: Our study adds important evidence for a role of aromatic hydrocarbon solvents in causation of MM. The difficulty in disentangling individual compounds in this group and a lack of data on potential carcinogenicity of toluene and xylene, in widespread current use, underscore a need for further epidemiological evaluation.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».