Airborne ultrafine particle concentrations and brain cancer incidence in Canada’s two largest cities
Notice bibliographique
Résumé
Malignant brain tumours are rare, but are important to study because survival rates are low and few modifiable risk factors have been identified. Existing evidence suggests that outdoor ultrafine particles (UFPs; particulate matter < 100 nm; sometimes referred to as nanoparticles) can deposit in the brain and could encourage initiation and progression of cancerous tumours, but epidemiological data are limited. High-resolution estimates of outdoor UFP concentrations and size were linked to residential locations of approximately 1.5 million people in Montreal and Toronto, Canada from 2001 to 2015. Cox proportional hazards models were used to estimate associations between annual average outdoor UFPs and malignant brain tumour incidence while adjusting for potential confounding factors including other outdoor air pollutants. In total, 1365 incident brain tumour cases occurred during follow-up. Consistent positive associations were observed between long-term exposures to outdoor UFPs and brain tumour incidence with increased risk ranging from 10.5% (95% CI: −1.4, 24.0%) to 15.3% (95% CI: 0.4, 32.5%) per 10,000 particle/cm 3 increase. Long-term exposures to oxidant gases, black carbon, or fine particulate matter (PM 2.5 ) were not associated with increased brain tumour incidence. Our results suggest that long-term exposures to outdoor UFPs are associated with an increased risk of developing malignant brain tumours. On an absolute scale, the magnitude of this risk translates into approximately 24 additional cases per year per 10,000 particle/cm 3 increase in annual average outdoor UFPs in a hypothetical city of 3-million people. Canadian Institutes of Health Research (CIHR) Foundation Grant and The United States Health Effects Institute (HEI).
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) | 0,009 | 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 ».