Insecticide use and risk of non‐Hodgkin lymphoma subtypes: A subset meta‐analysis of the North American Pooled Project
Notice bibliographique
Résumé
Abstract Insecticide use has been linked to increased risk of non‐Hodgkin lymphoma (NHL), however, findings of epidemiologic studies have been inconsistent, particularly for NHL subtypes. We analyzed 1690 NHL cases and 5131 controls in the North American Pooled Project (NAPP) to investigate self‐reported insecticide use and risk of NHL overall and by subtypes: follicular lymphoma (FL), diffuse large B‐cell lymphoma (DLBCL) and small lymphocytic lymphoma (SLL). Odds ratios (OR) and 95% confidence intervals for each insecticide were estimated using logistic regression. Subtype‐specific associations were evaluated using ASSET (Association analysis for SubSETs). Increased risks of multiple NHL subtypes were observed for lindane (OR = 1.60, 1.20‐2.10: FL, DLCBL, SLL), chlordane (OR = 1.59, 1.17‐2.16: FL, SLL) and DDT (OR = 1.36, 1.06‐1.73: DLBCL, SLL). Positive trends were observed, within the subsets with identified associations, for increasing categories of exposure duration for lindane ( P trend = 1.7 × 10 −4 ), chlordane ( P trend = 1.0 × 10 −3 ) and DDT ( P trend = 4.2 × 10 −3 ), however, the exposure‐response relationship was nonlinear. Ever use of pyrethrum was associated with an increased risk of FL (OR = 3.65, 1.45‐9.15), and the relationship with duration of use appeared monotonic (OR for >10 years: OR = 5.38, 1.75‐16.53; P trend = 3.6 × 10 −3 ). Our analysis identified several novel associations between insecticide use and specific NHL subtypes, suggesting possible etiologic heterogeneity in the context of pesticide exposure.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 ».