Occupational exposure to radiofrequency electromagnetic fields and brain tumor risk: <scp>Application</scp> of the <scp>INTEROCC</scp> job‐exposure matrix
Notice bibliographique
Résumé
Radiofrequency electromagnetic fields (RF-EMF, 100 kHz to 300 GHz) are classified by IARC as possibly carcinogenic to humans (Group 2B). This study evaluates the potential association between occupational RF-EMF exposure and brain tumor risk, utilizing for the first time, a RF-EMF job-exposure matrix (RF-JEM) developed in the multi-country INTEROCC case-control study. Cumulative and time-weighted average (TWA) occupational RF-EMF exposures were estimated for study participants based on lifetime job histories linked to the RF-JEM using three different methods: (1) by considering RF-EMF intensity among all exposed jobs, (2) by considering RF-EMF intensity among jobs with an exposure prevalence ≥ the median exposure prevalence of all exposed jobs, and (3) by considering RF-EMF intensity of jobs of participants who reported RF-EMF source use. Stratified conditional logistic regression models were used, considering various lag periods and exposure time windows defined a priori. Generally, no clear associations were found for glioma or meningioma risk. However, some statistically significant positive associations were observed including in the highest exposure categories for glioma for cumulative and TWA exposure in the 1- to 4-year time window for electric fields (E) in the first JEM application method (odds ratios [ORs] = 1.36, 95% confidence interval [95% CI] 1.08, 1.72 and 1.27, 95% CI 1.01, 1.59, respectively), as well as for meningioma for cumulative exposure in the 5- to 9-year time window for electric fields (E) in the third JEM application method (OR = 2.30, 95% CI 1.11, 4.78). We did not identify convincing associations between occupational RF-EMF exposure and risk of glioma or meningioma.
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 | 0,001 |
| 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 ».