Occupational exposure to nickel and hexavalent chromium and the risk of lung cancer in a pooled analysis of case‐control studies (<scp>SYNERGY</scp>)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There is limited evidence regarding the exposure-effect relationship between lung-cancer risk and hexavalent chromium (Cr(VI)) or nickel. We estimated lung-cancer risks in relation to quantitative indices of occupational exposure to Cr(VI) and nickel and their interaction with smoking habits. We pooled 14 case-control studies from Europe and Canada, including 16 901 lung-cancer cases and 20 965 control subjects. A measurement-based job-exposure-matrix estimated job-year-region specific exposure levels to Cr(VI) and nickel, which were linked to the subjects' occupational histories. Odds ratios (OR) and associated 95% confidence intervals (CI) were calculated by unconditional logistic regression, adjusting for study, age group, smoking habits and exposure to other occupational lung carcinogens. Due to their high correlation, we refrained from mutually adjusting for Cr(VI) and nickel independently. In men, ORs for the highest quartile of cumulative exposure to CR(VI) were 1.32 (95% CI 1.19-1.47) and 1.29 (95% CI 1.15-1.45) in relation to nickel. Analogous results among women were: 1.04 (95% CI 0.48-2.24) and 1.29 (95% CI 0.60-2.86), respectively. In men, excess lung-cancer risks due to occupational Cr(VI) and nickel exposure were also observed in each stratum of never, former and current smokers. Joint effects of Cr(VI) and nickel with smoking were in general greater than additive, but not different from multiplicative. In summary, relatively low cumulative levels of occupational exposure to Cr(VI) and nickel were associated with increased ORs for lung cancer, particularly in men. However, we cannot rule out a combined classical measurement and Berkson-type of error structure, which may cause differential bias of risk estimates.
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.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle