Leukemia Incidence by Occupation and Industry: A Cohort Study of 2.3 Million Workers from Ontario, Canada
Notice bibliographique
Résumé
Although a significant body of evidence has attributed certain occupational exposures with leukemia, such as benzene, formaldehyde, 1,3-butadiene and ionizing radiation, more research is needed to identify work environments at increased risk for this disease. Our study aimed to identify occupational and industry groups associated with an elevated incidence of leukemia using a diverse cohort of workers' compensation claimants from Ontario, Canada. A total of 2,363,818 workers in the Occupational Disease Surveillance System (ODSS) cohort, with claims between 1983-2019, were followed for malignant leukemia diagnoses up to 31 December 2019. We used a Cox proportional-hazards model to estimate the relative incidence of leukemia in specific occupation and industry groups. After adjusting for age and birth year, males in protective services (HR = 1.17, 95% CI = 1.02-1.35), metal machining (HR = 1.23, 95% CI = 1.07-1.41), transport (HR = 1.15, 95% CI = 1.06-1.25), and mining occupations (HR = 1.28, 95% CI = 1.02-1.60) had elevated risks of leukemia compared to other workers in the ODSS, with comparable findings by industry. Among female workers, slight risk elevations were observed among product fabricating, assembling, and repairing occupations, with other increased risks seen in furniture and fixture manufacturing, storage, and retail industries. These findings underscore the need for exposure-based studies to better understand occupational hazards in these settings.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».