P-108 Population-level estimates of occupational exposure to chlorothalonil, 2,4-D, and glyphosate in Canada’s agricultural industry (CAREX Canada)
Notice bibliographique
Résumé
<h3>Introduction</h3> Certain pesticides may lead to adverse health outcomes including cancer; however, little is known about occupational pesticide exposure in Canada. <h3>Objective</h3> The purpose of this study was to estimate the prevalence and likelihood of occupational exposure to chlorothalonil, 2,4-D, and glyphosate in Canada’s agricultural industry. <h3>Methods</h3> Lower and upper estimates were calculated using the Canadian Census of Population (CoP) and Census of Agriculture (CoA). We estimated the number of workers and proportion of farms applying ‘herbicides’ or ‘fungicides’ by farm type using CoA survey data. These values were multiplied to yield the number of workers at risk of exposure. Likelihood of exposure (exposed, probably exposed, possibly exposed) was qualitatively assigned using information on crop type, primary expected tasks, crop production practices, and residue transfer data. Agricultural workers who are at risk of exposure but were not captured by the CoA were identified using the CoP. <h3>Results</h3> An estimated 37,700 to 55,800 workers (11–13% of agricultural workers) were exposed to glyphosate in in Canada while 30,800 to 43,600 workers (9–11%) and 9,000 to 14,100 (3%) were exposed to 2,4-D and chlorothalonil, respectively. Approximately 70–75% of at-risk workers were probably or possibly exposed to any of the pesticides. Glyphosate exposure was most common among workers in oilseed (29%) and dry pea/bean farms (28%), along with those providing support activities for farms (31%). 2,4-D exposure was most common in corn (28%), other grain (28%), and soybean farms (27%), while chlorothalonil exposure was more likely among greenhouse, nursery and floriculture workers (42%) and those working on farms (28%, for occupations not captured by the CEAG). Regional variations reflected differences in farm types by province. <h3>Conclusion</h3> This study estimated the prevalence of occupational pesticide exposure in Canada, and findings can support priority setting for future research and data collection.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».