MétaCan
Menu
Retour à la cohorte
Enregistrement W3157539934 · doi:10.1158/1940-6215.envcaprev19-ia22

Abstract IA22: Impact of workplace exposures on cancer disparities

2020· article· en· W3157539934 sur OpenAlexaff
Paul A. Demers

Notice bibliographique

RevueCancer Prevention Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensOccupational Cancer Research Centre
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthOccupational cancerLung cancerAsbestosSocial classMedicineGerontologyPsychologyOccupational exposurePolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

Abstract Workplace exposures can have a big impact on cancer disparities. Perhaps the earliest lens through which disparities were examined was through the UK “Registrar-General’s Social Classes,” which were introduced in 1913. These six classes were based on occupation ranging from “professional occupations” to “unskilled occupations” and were predictive of mortality. One can think of these occupational groups representing both education and income, but they also represent power, control, social prestige/status, and mobility, as well as differential exposure to a wide range of workplace carcinogens. While nonoccupational behavioral risk factors could potentially confound the relationship between social class based on occupation and cancer, adjustment for these factors often does not remove associations. For example, in IARC’s Synergy project, a pooled analysis of lung cancer case-control studies, strong associations between Treiman’s Standard International Occupational Prestige Scale and International Socio-Economic Index of Occupational Status remained after adjustment for smoking. In studies of occupational cancer, our focus has most often been on “skilled manual” and “semi-skilled” occupations, because it has been easier to document exposure and their employment by either large companies or unionization facilitates recruitment. Although potentially carcinogenic exposures can occur among a wide range of occupations, the risk is not spread evenly. For example, exposure to common workplace lung carcinogens such as asbestos, diesel exhaust, crystalline silica, nickel, and chromium remains prevalent among workers in construction, transportation, mining, and certain manufacturing and service industries, and very rare among managerial, professional, and sales workers. Although the first occupational chemical carcinogen identified was soot, to which chimney sweeps were exposed as child workers, few studies have focused on the lowest, most vulnerable social class because of difficulties recruiting and other practical challenges. For example, studies of pesticides and cancer have most often recruited farmers and pesticide applicators, and not the more vulnerable farm workers, particularly migrant workers. Other examples of vulnerable groups with potentially carcinogenic exposures are electronic waste, nail salon, and cleaning workers. Further studies of cancer among these vulnerable groups are needed. Citation Format: Paul A. Demers. Impact of workplace exposures on cancer disparities [abstract]. In: Proceedings of the AACR Special Conference on Environmental Carcinogenesis: Potential Pathway to Cancer Prevention; 2019 Jun 22-24; Charlotte, NC. Philadelphia (PA): AACR; Can Prev Res 2020;13(7 Suppl): Abstract nr IA22.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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.

Tête enseignante Opus0,254
Tête enseignante GPT0,508
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Prevention ResearchMême sujetAir Quality and Health ImpactsTravaux en français237 207