Occupational heat exposure and prostate cancer risk: A pooled analysis of case-control studies
Notice bibliographique
Résumé
BACKGROUND: Heat exposures occur in many occupations. Heat has been linked to key carcinogenic processes, however, evidence for associations with cancer risk is sparse. We examined potential associations between occupational heat exposure and prostate cancer risk in a multi-country study. METHODS: We analysed a large, pooled dataset of 3142 histologically confirmed prostate cancer cases and 3512 frequency-matched controls from three countries: Canada, France, and Spain. Three exposure indices: ever exposure, lifetime cumulative exposure and duration of exposure, were developed using the Finnish Job-Exposure Matrix, FINJEM, applied to the lifetime occupational history of participants. We estimated odds ratios (ORs) and 95% confidence intervals (CIs), using conditional logistic regression models stratified by 5-year age groups and study, adjusting for potential confounders. Potential interactions with exposure to other occupational agents were also explored. RESULTS: Overall, we found no association for ever occupational heat exposure (OR 0.97; 95% CI 0.87, 1.09), nor in the highest categories of lifetime cumulative exposure (OR 1.04; 95% CI 0.89, 1.23) or duration (OR 1.03; 95% CI 0.88, 1.22). When using only the Spanish case-control study and a Spanish Job Exposure Matrix (JEM), some weakly elevated ORs were observed. CONCLUSIONS: Findings from this study provide no clear evidence for an association between occupational heat exposure and prostate 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 | 0,023 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,017 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».