Diesel Engine Exhaust Exposure, Smoking, and Lung Cancer Subtype Risks. A Pooled Exposure–Response Analysis of 14 Case–Control Studies
Notice bibliographique
Résumé
Abstract Rationale Although the carcinogenicity of diesel engine exhaust has been demonstrated in multiple studies, little is known regarding exposure–response relationships associated with different exposure subgroups and different lung cancer subtypes. Objectives We expanded on a previous pooled case–control analysis on diesel engine exhaust and lung cancer by including three additional studies and quantitative exposure assessment to evaluate lung cancer and subtype risks associated with occupational exposure to diesel exhaust characterized by elemental carbon (EC) concentrations. Methods We used a quantitative EC job-exposure matrix for exposure assessment. Unconditional logistic regression models were used to calculate lung cancer odds ratios and 95% confidence intervals (CIs) associated with various metrics of EC exposure. Lung cancer excess lifetime risks (ELR) were calculated using life tables accounting for all-cause mortality. Additional stratified analyses by smoking history and lung cancer subtypes were performed in men. Measurements and Main Results Our study included 16,901 lung cancer cases and 20,965 control subjects. In men, exposure response between EC and lung cancer was observed: odds ratios ranged from 1.09 (95% CI, 1.00–1.18) to 1.41 (95% CI, 1.30–1.52) for the lowest and highest cumulative exposure groups, respectively. EC-exposed men had elevated risks in all lung cancer subtypes investigated; associations were strongest for squamous and small cell carcinomas and weaker for adenocarcinoma. EC lung cancer exposure response was observed in men regardless of smoking history, including in never-smokers. ELR associated with 45 years of EC exposure at 50, 20, and 1 μg/m3 were 3.0%, 0.99%, and 0.04%, respectively, for both sexes combined. Conclusions We observed a consistent exposure–response relationship between EC exposure and lung cancer in men. Reduction of workplace EC levels to background environmental levels will further reduce lung cancer ELR in exposed workers.
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 | 0,029 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,013 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».