Arsenic in drinking water and lung cancer: A systematic review of 35 years of evidence
Notice bibliographique
Résumé
The association between higher arsenic concentrations in drinking water and lung cancer is well-established. However, the risk associated with lower levels of arsenic exposure remains uncertain. This systematic review and meta-analysis summarizes the evidence on the relationship between exposure to arsenic in drinking water and lung cancer outcomes as measured over a broad range of exposures, including lower levels. A total of 51 studies were included in the review and 15 met criteria for inclusion in meta-analysis. Risk estimates for lung cancer incidence and mortality were pooled and analyzed separately using Bayesian hierarchical random-effects models with a Gaussian observation submodel for log(Risk), computed using the "brms" R package. For lung cancer incidence, the predicted posterior mean relative risks (RRs) at arsenic concentrations of 10, 50 and 150 μg/L were 1.11 (0.86-1.43), 1.67 (1.27-2.17) and 2.21 (1.61-3.02), respectively, with posterior probabilities of 79%, 100% and 100%, respectively, for the RRs to be >1. The posterior mean mortality ratios at 20, 50 and 150 μg/L were 1.22 (0.83-1.78), 2.10 (1.62-2.71) and 2.41 (1.88-3.08), respectively, with posterior probabilities being above 80%. In addition to observing the dose-response relationship, these findings demonstrate that individuals exposed to low to moderate levels of arsenic (<150 μg/L) were at an elevated risk of developing or dying from lung cancer. Given the widespread exposure to lower levels of arsenic, there is an urgent need for vigilance and potential revisions to regulatory guidelines to protect people from the cancer risks associated with arsenic exposure.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».