Occupational exposures and lung cancer risk - an analysis of the CARTaGENE study
Notice bibliographique
Résumé
Objective: To investigate the possible associations between selected occupational agents and lung cancer risk. Methods: A case-cohort design was nested within the CARTaGENE study. Cases included all participants with an incident diagnosis of lung cancer occurring during the follow-up from 2009 to 2015 (N=178). For comparison, a sub-cohort of 1033 individuals was established based on a stratified sample of the cohort at baseline. Information on participants’ longest-held job was collected at baseline and coded by an occupational hygienist according to the International Standard Classification of Occupations 1968 (ISCO-68). The job codes were then linked to the Canadian Job Exposure Matrix (CANJEM) to determine the probability of exposure to a list of 258 agents. This analysis was restricted to the 28 most prevalent agents with at least 5 exposed cases. Separate multivariable logistic regression models with robust variance estimators were used to estimate odd ratios (OR) and 95% confidence intervals (95% CI) for the associations between each agent and lung cancer risk while controlling for established lung cancer risk factors, notably smoking. Results: Increased lung cancer risk was found among those exposed to ashes (OR=3.8; 95% CI: 1.5-9.5), hydrogen chloride (OR=4.4; 95% CI: 1.2-16.0), formaldehyde (OR=2.3; 95% CI: 1.3-4.2), cooking fumes (OR=2.4; 95% CI: 1.1-5.3), paints and varnishes used on surfaces other than metal and wood (OR=3.2; 95% CI: 1.0-9.8), alkanes (OR=2.6; 95% CI: 1.2-5.5), aliphatic aldehydes (OR= 2.9; 95% CI: 1.3-4.3), and cleaning agents (OR=1.6; 95% CI: 1.0-2.5). A reduced lung cancer risk was observed among participants exposed to gasoline engine emissions (OR=0.5; 95% CI: 0.2-1.0) and polycyclic aromatic hydrocarbons (PAHs) from petroleum (OR=0.3; 95% CI: 0.1-0.9). Conclusion: Our preliminary findings provide support for the role of several occupational agents, for which we have limited knowledge, in contributing to lung cancer risk.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».