Medical exposure to ionizing radiation and brain tumour risk – analyses of data from five Interphone countries
Notice bibliographique
Résumé
Background and Aims: Medical ionizing radiation represents an indispensable tool in modern medicine and it is the largest human-made source of radiation exposure. At moderate to high doses, ionising radiation is however a known risk factor for cancer and it is the only well established risk factor for brain tumours (UNSCEAR, 2008). Despite extensive knowledge of radiation risks gained through epidemiologic investigations and mechanistic considerations the health effects of low-level radiation exposure are still poorly understood (1). We therefore evaluated the risk of brain tumours in relation to reported medical radiation exposure. Methods: This analysis is based on pooled datasets from five Interphone countries (Australia, Canada, France, Israel and New Zealand) information on all medical procedures involving ionizing radiation exposure during participant’s lifetime was obtained by questionnaire, including year, anatomical region exposed and reason for examination or treatment for radiotherapy. Estimated dose to the brain was calculated for each procedure based on time and country specific average dose levels available in publications of the United Nations Scientific Committee on the Effects of Atomic Radiation (UNSCEAR)(2). Analyses are based on unconditional logistic regression, stratified on age, sex, country/region. All analyses are adjusted for socio-economic status. Results: The analyses included 905 cases of glioma, 916 cases of meningioma, 423 cases of acoustic neuroma and 6840 controls. Odds ratios (ORs) and 95% CI (confidence intervals) will be presented by cumulative estimated level of medical radiation for each of these tumour types Conclusions: Results from these analyses will contribute to the body of evidence on potential health effects of low level medical exposure to ionising radiation.
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 | 0,002 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».