Incidence of mesothelioma and asbestosis by occupation in a diverse workforce
Notice bibliographique
Résumé
OBJECTIVE: We sought to characterize detailed patterns of mesothelioma and asbestosis incidence in the workforce as part of an occupational disease surveillance program in Ontario, Canada. METHODS: The Occupational Disease Surveillance System (ODSS) cohort was established using workers' compensation claims data and includes 2.18 million workers employed from 1983 to 2014. Workers were followed for mesothelioma and asbestosis diagnoses in Ontario Cancer Registry, physician, hospital, and ambulatory care records through 2016. Trends in incidence rates were estimated over the study period. Cox proportional hazard models were used to estimate adjusted hazard ratios (HRs) and 95% confidence intervals (CIs). RESULTS: A total of 854 mesothelioma and 737 asbestosis cases were diagnosed during follow-up. Compared with all other workers in the ODSS, those employed in construction trades occupations had the greatest adjusted incidence rate of both mesothelioma (223 cases; HR, 2.38; 95% CI: 2.03-2.78) and asbestosis (261 cases; HR, 3.64; 95% CI: 3.11-4.25). Rates were particularly elevated for insulators, pipefitters and plumbers, and carpenters. Workers in welding and flame cutting, boiler making, and mechanic and machinery repair occupations, as well as those in industrial chemical and primary metal manufacturing industries, had strongly elevated rates of both diseases. Rates were greater than anticipated for workers in electrical utility occupations and education and related services. CONCLUSIONS: Results substantiate the risk of mesothelioma and asbestosis in occupation and industry groups in the Ontario workforce with known or suspected asbestos exposure. Sustained efforts to prevent the occurrence of additional cases of disease in high-risk groups are warranted.
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 | 0,001 |
| 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) | 0,000 | 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 ».