12 Exposure to Metals and Particles in Welding and Episodes of Asthma/Wheeze and Rhinitis: a Canadian Cohort Study.
Notice bibliographique
Résumé
Abstract Introduction Welders are exposed through welding fume to particles and metals, including nickel and chromium, that may act as respiratory sensitizers. In a Canadian study of male and female welders we investigated the relation of modelled welding exposures to episodes of asthma/wheeze and rhinitis. Methods Welders who had been registered in an apprenticeship were recruited and followed up at 6-month intervals for up to five years. Women were recruited from across Canada, men just from Alberta. At each contact participants were asked about their health and specifically about symptoms of asthma and rhinitis and age these had first occurred. A complete job history was taken and at each contact after recruitment the participant completed a detailed welding task questionnaire. A job exposure matrix was developed, reflecting type of welding, base metal and consumables. This was validated against urinary metal concentration. Results 1001 welders, including 447 women, were recruited. In bivariate analyses, hours of welding/week, hours grinding/day and estimated exposures to total particles, manganese, nickel and aluminum were related to episodes of asthma/wheeze. Hours welding, grinding and nickel exposure were related to rhinitis. In multivariable models, including all exposures and confounders, the number of hours welding/week and hours grinding/day were related to asthma/wheeze episodes and hours grinding and nickel exposure to rhinitis. Conclusions Duration of welding tasks was related to episodes of asthma/wheeze and rhinitis. There was less evidence that estimated metal concentrations were associated with respiratory ill-health, having adjusted for hours welding.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».