Air Pollutants and Incidence of All-Cause, Lung, and Bladder Cancer in the Gazel Cohort (1989-2014)
Notice bibliographique
Résumé
Background/AimWhile air pollutants – fine particulate matter (PM2.5), nitrogen dioxide (NO2), ozone (O3) and black carbon (BC) – are associated with mortality, their association with cancer incidence remains unclear. We aimed to analyze the relationships between these pollutants and the incidence of all-cause, lung and bladder cancer in the French general population-based cohort Gazel.MethodsLand use regression models with back-extrapolation were used to assess the long-term exposure to PM2.5, NO2, O3 and BC at home addresses of 19,530 participants, as the average exposure between enrolment and cancer incidence or censoring, whichever came first, with a 10-year lag to account for the time between initial exposure and the development of cancer. Follow-up was from 1989 to 2014. We used Cox models to derive hazard ratios (HR) for an interquartile range (IQR) increase of single pollutant exposure, adjusted for lifestyle and socioeconomic individual covariables at baseline including gender and occupational exposures, and with age as the underlying time scale.ResultsWe found significant associations between PM2.5 (IQR 7 µg/m3) and incident all-cause and lung cancer with respective HR of 1.15 (CI 1.10-1.21) and 2.08 (1.76-2.45); between NO2 (IQR 21 µg/m3) and all-cause and lung cancer with respective HR of 1.05 (1.01-1.10) and 1.32 (1.11-1.57); between BC (IQR 1 µg/m3) and all-cause and lung cancer with respective HR of 1.05 (1.01-1.09) and 1.43 (1.23-1.66). No significant association was found between O3 and incident cancers, nor between any pollutant and bladder cancer .ConclusionsPM2.5, NO2 and BC are associated with incidence of all-cause and specifically lung cancer in a general population-based cohort.
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 | 0,000 |
| 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) | 0,001 | 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 ».