Neurodegenerative diseases among miners in Ontario, Canada, using a linked cohort
Notice bibliographique
Résumé
OBJECTIVES: We examined employment in mining occupations and industries and its association with neurological disease incidence in a linkage cohort from Ontario, Canada. Outcomes included Alzheimer's disease (alone and with other dementias), Parkinson's disease, parkinsonism, motor neuron disease and amyotrophic lateral sclerosis (ALS). METHODS: The Occupational Disease Surveillance System cohort was created by linking workers' compensation data and healthcare usage records. This analysis included over 1.1 million male workers, followed between 1999 and 2016. Neurological diseases were ascertained using physician billing and hospital discharge records. Adjusted Poisson regression models were used to estimate incidence rate ratios (RR) comparing mining to non-mining workers overall and by ore (industry) and occupation group. RESULTS: Suggested elevations in incidence rates were observed for ALS among workers of metal mines (RR 2.21, 95% CI 1.04 to 4.69) and for motor neuron disease among those employed in mining occupations within metal mining industries (RR 1.96, 95% CI 1.01 to 3.79), though these were based on relatively few cases. In miscellaneous metal mines, workers who held mining occupations had an elevated rate of Alzheimer's disease (RR 1.27, 95% CI 0.92 to 1.77). Parkinson's disease rate was elevated among workers with rock and soil drilling occupations (RR 1.60, 95% CI 1.04 to 2.45). CONCLUSIONS: Mining hazards may be associated with elevated rates of neurodegenerative diseases among workers in mining occupations and industries. More work is needed to better understand mining exposures and their associations with neurodegenerative diseases.
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) | 0,000 | 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) | 0,001 | 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 ».