MétaCan
Menu
Retour à la cohorte
Enregistrement W4324137718 · doi:10.1136/oem-2023-epicoh.190

O-41 Firefighting and cancer: a meta-analysis of cohort studies in the context of cancer hazard identification

2023· article· en· W4324137718 sur OpenAlexaff
Nathan DeBono, Robert D. Daniels, Laura E. Beane Freeman, Judith M. Graber, Johnni Hansen, Lauren R. Teras, Tim Driscoll, Kristina Kjærheim, Paul A. Demers, Deborah C. Glass, David Kriebel, Tracy L Kirkham, Roland Wedekind, Adalberto Miranda‐Filho, Leslie Stayner, Mary K. Schubauer‐Berigan

Notice bibliographique

RevueAbstracts · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensOccupational Cancer Research Centre
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoMonash UniversityUniversity of MelbourneUniversity of SydneyAmerican Cancer Society
Mots-clésMedicineThyroid cancerCancerHazard ratioProstate cancerOncologyInternal medicineContext (archaeology)PopulationColorectal cancerMeta-analysisConfidence intervalCohortEnvironmental healthBiology

Résumé

récupéré en direct d'OpenAlex

<h3>Objective</h3> We performed a meta-analysis of epidemiological results for the association between occupational exposure as a firefighter and the occurrence of cancer as part of the broader evidence synthesis work of the IARC Monographs Programme. <h3>Methods</h3> A systematic literature search was conducted to identify cohort studies of firefighters followed for cancer incidence and mortality. Studies were rated for the influence of key biases on results. Random-effects meta-analysis models were used to estimate the association between ever and duration of employment as a firefighter and risk of 12 selected cancers. The influence of potential biases was explored in sensitivity analyses, including those related to the use of general, uniformed service, and working population comparison groups. <h3>Result</h3> Among the 16 cancer incidence studies that met inclusion criteria for one or more cancer sites, the estimated meta-rate ratio, 95% confidence interval (CI), and heterogeneity statistic (I2) for ever-employment as a predominantly male career firefighter compared mostly to general populations was 1.58 (1.14–2.20, 8%) for mesothelioma, 1.16 (1.08–1.26, 0%) for bladder cancer, 1.21 (1.12–1.32, 81%) for prostate cancer, 1.37 (1.03–1.82, 56%) for testicular cancer, 1.19 (1.07–1.32, 37%) for colon cancer, 1.36 (1.15–1.62, 83%) for melanoma, 1.12 (1.01–1.25, 0%) for non-Hodgkin lymphoma,1.28 (1.02–1.61, 40%) for thyroid cancer, and 1.09 (0.92–1.29, 55%) for kidney cancer. Ever-employment as a firefighter was not positively associated with lung, nervous system, or stomach cancer. Few cancer sites showed increasing risks by employment duration. Results for mesothelioma and bladder cancer exhibited low heterogeneity and were largely robust across sensitivity analyses evaluating bias. <h3>Conclusions</h3> There is epidemiological evidence to support a causal role for occupational exposure as a firefighter and certain cancers, especially mesothelioma and bladder cancer. Challenges persist in the body of evidence related to the consistency and quality of exposure assessment and control of confounding and medical surveillance bias.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,049
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0080,077
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,363
Tête enseignante GPT0,553
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAbstractsMême sujetOccupational Health and PerformanceTravaux en français237 207