Solid fuels for cooking and tobacco use and risk of major chronic liver disease mortality: a prospective cohort study of 0.5 million Chinese adults
Notice bibliographique
Résumé
BACKGROUND: Harmful substances in solid fuel and tobacco smoke are believed to enter the bloodstream via inhalation and to be metabolized in the liver, leading to chronic liver damage. However, little is known about the independent and joint effects of solid fuel use and smoking on risks of chronic liver disease (CLD) mortality. METHODS: During 2004-08, ∼0.5 million adults aged 30-79 years were recruited from 10 areas across China. During a 10-year median follow-up, 2461 CLD deaths were recorded. Multivariable Cox regression yielded adjusted hazard ratios (HRs) and 95% confidence intervals (CIs) for the individual associations of self-reported long-term cooking fuel and tobacco use with major CLD death. RESULTS: Overall, 49% reported solid fuel use and 26% smoked regularly. Long-term solid fuel use for cooking and current smoking were associated with higher risks of CLD deaths, with adjusted HRs of 1.26 (95% CI, 1.02-1.56) and 1.28 (1.13-1.44), respectively. Compared with never-smoking clean fuel users, the HRs were 1.41 (1.10-1.82) in never-smoking solid fuel users, 1.55 (1.17-2.06) in regular-smoking clean fuel users and 1.71 (1.32-2.20) in regular-smoking solid fuels users. Individuals who had switched from solid to clean fuels (1.07, 0.90-1.29; for median 14 years) and ex-regular smokers who stopped for non-medical reasons (1.16, 0.95-1.43; for median 10 years) had no evidence of excess risk of CLD deaths compared with clean fuel users and never-regular smokers, respectively. CONCLUSIONS: Among Chinese adults, long-term solid fuel use for cooking and smoking were each independently associated with higher risks of CLD deaths. Individuals who had stopped using solid fuels or smoking had lower risks.
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 | 0,001 | 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 ».