A meta-analysis of the carcinogenic effects of particulate matter and polycyclic aromatic hydrocarbons
Notice bibliographique
Résumé
Urbanization has numerous benefits to human society, but some aspects of urban environments, such as air pollution, can negatively affect human health. Two major air pollutants, particulate matter (PM) and polycyclic aromatic hydrocarbons (PAH), have been classified as carcinogens by the International Agency for Research on Cancer. Here, we answer two questions: (1) What are the carcinogenic effects of PM and PAH exposure? (2) How does carcinogenic risk vary across geographical regions? We performed a comprehensive literature search of peer-reviewed published studies examining the link between air pollution and human cancer rates. Focusing on studies published since 2014 when the last IARC monograph on air pollution was published, we converted the extracted data into relative risks and performed subgroup analyses. Exposure to PM2.5 (per 10μg/m3) resulted in an 8.5% increase in cancer incidence when all cancer types were combined, and risk for individual cancer types (i.e. lung cancer and adenocarcinoma) was also elevated. PM2.5 was also associated with 2.5% higher mortality due to cancer when all types of cancer were combined, and for individual cancer types (i.e., lung and breast cancer). Exposure to PM2.5 and PM10 posed the greatest risk to lung cancer incidence and mortality in Europe (PM2.5 RR 2.15; PM10 RR 1.26); the risk in Asia and the Americas was also elevated. Exposure to PAH and benzo[a]pyrene significantly increased the pooled risk of cancer incidence (10.8% and 8.0% respectively) at the highest percentile of exposure concentration. Our meta-analyses of studies over the past decade shows that urban air pollution in the form of PM2.5, PM10, and PAH all elevate the incidence and mortality of cancer. We discuss the possible mechanisms of carcinogenesis of PM and PAH. These results support World Health Organization’s conclusion that air pollution poses among the greatest health risks to humans living in cities.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,054 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».