O6B.2 Cancer risk by ore type in a mixed miners cohort
Notice bibliographique
Résumé
Background and objectives Mining may involve exposure to many carcinogens, including respirable crystalline silica (RSC), diesel engine exhaust (DEE), nickel (Ni), chromium (Cr), radon (Rn), and arsenic (As), which vary by ore being mined. The province of Ontario, Canada has a diverse mining sector with associated exposures including gold (RSC/DEE/As/Cr), uranium (RSC/DEE/Rn), and nickel-copper (DEE/Ni), and other ores (RSC/DEE). The study aim was to examine the risk of cancer by ore type in a mixed mining cohort. Methods From 1928–1987 workers in the Ontario minerals industry were required to undergo an annual physical examination and chest x-ray, as well as record their mining work history in order to receive certification. Data from these exams was used to create the Mining Master File (MMF) cohort. Cancers were identified through linkage of the MMF with the Ontario Cancer Registry (1964–2017). Cancer risk among miners was compared to provincial rates using Standardized Incidence Ratios (SIR); internal analyses were conducted using Poisson regression. Results Individuals who died or were lost before 1964, had missing or invalid data, or employment of less than two weeks were excluded. Too few women (n=161) were available for analysis. In total, 61 397 men were included in the analysis. Gold miners had excesses of lung (SIR=1.30, 95%CI=1.23–1.38) and nasopharyngeal cancer (SIR=2.34, 95%CI=1.39–3.70). Uranium miners had excesses of lung (SIR=1.57, 95%CI=1.45–1.70), bladder (SIR=1.20, 95%CI=1.02–1.40), and bone (SIR=2.45, 95%CI=1.30–4.19) cancers. Nickel-copper miners had excesses of lung (SIR=1.13, 95%CI=1.08–1.19), bone (SIR=2.02, 95%CI=1.32–2.96), and sinonasal cancer (SIR=1.73, 95%CI=1.12–2.56). Conclusions Increased risks for specific cancers were observed among people who mined many different ore types. Most of the associations were as expected, but several (e.g., bone cancers) will undergo further investigation. Future analyses will examine the impact of combined exposures among miners of multiple ore types.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».