O-060 EXPLORING SEX DIFFERENCES IN LUNG CANCER RISK AMONG A LARGE COHORT OF ONTARIO, CANADA WORKERS
Notice bibliographique
Résumé
Abstract Background While occupational exposures are known to contribute to lung cancer risk, there is less known about sex differences, specifically regarding the risk among female workers. This study aimed to explore sex differences in lung cancer risk across occupational groups, with a focus on female workers. Methods A cohort of approximately 2.37 million workers with lost-time compensation claims were linked to the Ontario Cancer Registry and followed until lung cancer diagnosis, age 85, emigration, death, or end of follow-up (Dec 31, 2020). Cox proportional hazards models were used to estimate sex-specific hazard ratios (HRs) and 95% confidence intervals (CIs) for lung cancer by occupational group, adjusted for birth-year and age and indirectly adjusted for cigarette smoking. Results A total of 12,216 and 30,291 incident lung cancer cases were identified among females and males, respectively. Several occupations demonstrated stronger associations for lung cancer in females, with a more than 20% increased risk compared to males. These occupations at the major level include mining and quarrying (HR=3.05, 95%CI=1.37-6.78); materials processing (chemical, petroleum, rubber, plastic) (HR=1.35, 95%CI=1.19-1.52); wood processing (HR=1.87, 95%CI=1.22-2.87); metal machining (HR=1.56, 95%CI=1.21-2.00); metal shaping and forming (HR=1.46, 95%CI=1.32-1.62); mechanic and repair work (HR=1.39, 95% CI=1.04-1.85); and printing (HR=1.51, 95%CI=1.30-1.75). Discussion and conclusion Findings demonstrate a stronger association of lung cancer risk in blue collar occupations among female workers when compared to male workers. Findings may be due to sex differences in various factors that impact risk, such as occupational exposures, use and effectiveness of personal protective equipment, and other biological/lifestyle factors.
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) | 0,002 | 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 ».