High-Ambient Air Pollution Exposure Among Never Smokers Versus Ever Smokers With Lung Cancer
Notice bibliographique
Résumé
IntroductionAir pollution may play an important role in the development of lung cancer in people who have never smoked, especially among East Asian women. The aim of this study was to compare cumulative ambient air pollution exposure between ever and never smokers with lung cancer.MethodsA consecutive case series of never and ever smokers with newly diagnosed lung cancer were compared regarding their sex, race, and outdoor and household air pollution exposure. Using individual residential history, cumulative exposure to outdoor particulate matter (PM2.5) in a period of 20 years was quantified with a high-spatial resolution global exposure model.ResultsOf the 1005 patients with lung cancer, 56% were females and 33% were never smokers. Compared with ever smokers with lung cancer, never smokers with lung cancer were significantly younger, more frequently Asian, less likely to have chronic obstructive pulmonary disease or a family history of lung cancer, and had higher exposure to outdoor PM2.5 but lower exposure to secondhand smoke. Multivariable logistic regression analysis revealed a significant association with never-smoking patients with lung cancer and being female (OR = 4.01, 95% confidence interval [CI]: 2.76–5.82, p < 0.001), being Asian (ORAsian versus non-Asian = 6.48, 95% CI: 4.42–9.50, p < 0.001), and having greater exposure to air pollution (ORln_PM2.5 = 1.79, 95% CI: 1.10–7.2.90, p = 0.019).ConclusionsCompared with ever-smoking patients with lung cancer, never-smoking patients had strong associations with being female, being Asian, and having air pollution exposures. Our results suggest that incorporation of cumulative exposure to ambient air pollutants be considered when assessing lung cancer risk in combination with traditional risk factors.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».