A geospatial assessment of industrial releases and pediatric neuroblastic tumours at diagnosis: A retrospective case series
Notice bibliographique
Résumé
Environmental risk factors associated with malignancy of pediatric neuroblastic tumours are not well-known and few studies have examined the relationship between industrial emissions and neuroblastic tumour diagnosis. A retrospective case series of 310 patients was evaluated at a tertiary hospital in Toronto, Canada between January 2008, and December 2018. Data from the National Pollutant Release Inventory (NPRI) were used to estimate exposure for a dozen chemicals with known or suspected carcinogenicity or embryotoxicity. Comparative analysis and predictive logistic regression models for malignant versus benign neuroblastic tumours included variables for residential proximity, number, and type of industries, mean total emissions within 2 km, and inverse distance weighted (IDW) quantity of chemical-specific industrial emissions estimated within 10 and 50 km of cases. No significant difference was seen between malignant and benign cases with respect to the mean nearest residential distance to industry, the number or type of industry, or the mean total quantity of industrial emissions within a 2 km radius of residential location of cases. However, there were statistically significant differences in the interpolated IDW emissions of dioxins and furans released between 1993 and 2019 within 10 km. Concentrations were significantly higher in malignant neuroblastic tumours at 1.65 grams (g) toxic equivalent (TEQ) (SD 2.01 g TEQ) compared to benign neuroblastic tumours at 1.13 g TEQ (SD 0.84 g TEQ) (p = 0.05). Within 50 km 3 years prior to diagnosis, malignant cases were exposed to higher levels of aluminum, benzene, and nitrogen dioxide (p = 0.02, p = 0.04, and p = 0.02 respectively). Regression analysis of the IDW emissions within a 50 km radius revealed higher odds of exposure to benzene for malignant neuroblastic tumours (OR = 1.03, CI: 1.01–1.05, p = 0.01). These preliminary findings suggest a potential role of industrial emissions in the development of malignant pediatric neuroblastic tumours and underscore the need for further research to investigate these associations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».