Exposure to pesticides and risk of Hodgkin lymphoma in an international consortium of agricultural cohorts (AGRICOH)
Notice bibliographique
Résumé
PURPOSE: Some pesticides may increase the risk of certain lymphoid malignancies, but few studies have examined Hodgkin lymphoma (HL). In this exploratory study, we examined associations between agricultural use of 22 individual active ingredients and 13 chemical groups and HL incidence. METHODS: We used data from three agricultural cohorts participating in the AGRICOH consortium: the French Agriculture and Cancer Cohort (2005-2009), Cancer in the Norwegian Agricultural Population (1993-2011), and the US Agricultural Health Study (1993-2011). Lifetime pesticide use was estimated from crop-exposure matrices or self-report. Cohort-specific covariate-adjusted overall and age-specific (< 40 or ≥ 40 years) hazard ratios (HRs) and 95% confidence intervals (CIs) were estimated using Cox regression and combined using random effects meta-analysis. RESULTS: Among 316 270 farmers (75% male) accumulating 3 574 815 person-years at risk, 91 incident cases of HL occurred. We did not observe statistically significant associations for any of the active ingredients or chemical groups studied. The highest risks of HL overall were observed for the pyrethroids deltamethrin (meta-HR = 1.86, 95% CI 0.76-4.52) and esfenvalerate (1.86, 0.78-4.43), and inverse associations of similar magnitude were observed for parathion and glyphosate. Risk of HL at ≥ 40 years of age was highest for ever-use of dicamba (2.04, 0.93-4.50) and lowest for glyphosate (0.46, 0.20-1.07). CONCLUSION: We report the largest prospective investigation of these associations. Nonetheless, low statistical power, a mixture of histological subtypes and a lack of information on tumour EBV status complicate the interpretability of the results. Most HL cases occurred at older ages, thus we could not explore associations with adolescent or young adult HL. Furthermore, estimates may be attenuated due to non-differential exposure misclassification. Future work should aim to extend follow-up and refine both exposure and outcome classification.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».