Arsenic in Drinking Water and Urinary Tract Cancers: A Systematic Review Update
Notice bibliographique
Résumé
Problem: There remains uncertainty around cancer risk at lower levels of arsenic in drinking water. This study updates evidence from our previous review on the relationship between arsenic in drinking water and urinary bladder and kidney cancers (updated search January 2013 to February 2023). Method: Thirty-four studies were retained for review; six met criteria for inclusion in meta-analysis. Risk estimates for bladder and kidney cancer incidence and mortality were analyzed separately using Bayesian multilevel linear models. Results: For bladder cancer incidence, the estimated posterior mean relative risks (RRs) were 1.25 (0.92–1.73), 2.11 (1.18–4.22) and 3.01 (1.31–8.17) at arsenic concentrations of 10, 50 and 150 μg/L, respectively, with posterior probabilities of 92%, 99% and 100%, respectively, for the RRs to be >1. The corresponding RRs for kidney cancer were 1.37 (1.07–1.77), 1.95 (1.44–2.65) and 2.47 (1.74–3.52), with posterior probabilities of 100%. For bladder cancer, the posterior mean mortality ratios were 1.36 (0.35–6.39), 2.92 (1.24–7.82) and 4.88 (2.83–9.03) with posterior probabilities of 72%, 99% and 100%, respectively. Conclusions: The findings show increased bladder and kidney cancer risks at lower levels of arsenic in drinking water. Given that many people worldwide are exposed to lower levels of arsenic in drinking water, the public health impacts are substantial.
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) | 0,001 | 0,003 |
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 ».