Association between Occupational Exposure to Textile Fibre Dusts and Lung Cancer in a Population-Based Case-Control Study in Montreal: A Preliminary Analysis Comparing Results from Three Analytical Methods
Notice bibliographique
Résumé
Objectives: To compare results estimated using two causal inference methods, inverse probability of exposure weighting (IPEW) and G-computation, to that estimated using the conventional multivariable logistic regression, on the association between occupational exposure to textile fibre dusts and lung cancer risk.Methods: A population-based case-control study on lung cancer was conducted from 1996 to 2001 in Montreal, Canada. Cases were individuals diagnosed with incident lung cancer and population controls were randomly selected from electoral lists and frequency-matched to cases by age, sex and electoral district. Questionnaires on lifetime occupational history, smoking and demographic characteristics were collected during in-person interview. Experts reviewed subjects’ work history and assessed exposure to 294 agents, including textile fibre dusts. Odds ratios (OR) and their 95% confidence intervals (CIs) for the association between ever exposure to textile fibre dusts and lung cancer risk were estimated using three different methods: 1) IPEW, 2) G-computation, and 3) conventional multivariable regression.Results: The two causal inference methods produced higher point estimates (ORIPEW=1.17, 95% CI=0.86-1.57; ORG-computation=1.11, 95% CI=0.80-1.49) compared to that estimated using the conventional multivariable logistic regression (OR=0.87, 95% CI=0.68-1.11). However, all three sets of OR results were close to the null value.Conclusion: The different methods provided rather similar results, albeit not identical. They are compatible with a null association between occupational exposure to textile fibre dusts and lung cancer.
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 | 0,001 |
| 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) | 0,000 | 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 ».