O-303 The role of occupational exposures in lung cancer risk among women: preliminary results from a pooled case-control study of lung cancer
Notice bibliographique
Résumé
Introduction Lung cancer is the most common cause of cancer death among women. However, little is known regarding occupational risk factors for lung cancer in women. Objective To investigate possible associations between selected occupational agents and lung cancer risk among women. Methods We pooled data from ten case-control studies of lung cancer with detailed lifetime occupational and smoking history. The current analysis was restricted to working women, including 3040 cases and 4186 controls. To assess occupational exposure, we used the Canadian Job-Exposure Matrix (CANJEM). Linking participants’ jobs to the CANJEM allows the estimation of probability, and frequency of exposure to a list of 258 agents. This analysis was restricted to 36 most prevalent occupational agents in our sample of women. The association between lung cancer risk and lifetime ever exposure, duration of exposure, and cumulative exposure for each agent was estimated in separate logistic regression models, adjusted for smoking and other selected covariates. Results Most agents we examined were not associated with lung cancer. We observed an increased risk of lung cancer among women occupationally exposed to cooking fumes for over 10 years (OR(95%CI)=1.73(1.09–2.82)). Statistically significant decreased risks of lung cancer were observed among women exposed to various textile fibres, especially among long-duration workers. The results regarding the various textile agents have not been mutually controlled yet. When restricting to never smokers, increased risks of lung cancer were observed among women exposed to metallic dust, isopropanol, and aliphatic alcohols, with OR point estimates for ever exposure ranging from 1.5 to 1.7. Conclusion Our preliminary results indicate that occupational exposure to cooking fumes is associated with an increased lung cancer risk in women, while exposures to various textile fibres seem to be associated with a decreased 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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».