Canada-Wide Distribution of Environmental and Occupational Risk Factors for Urinary Stone Disease: Insights for Equitable Resource Allocation and Fighting Health Disparities
Notice bibliographique
Résumé
Abstract: Objectives: This study aimed to map the distribution of nephrolithiasis’ environmental risk factors (occupational heat and heavy metal exposure and ambient seasonal temperature) and to assess the correlations of these exposures with the best estimates of the reported nephrolithiasis incidence in Canada. Methods: The regional average heat burden was defined as the mean temperature in the hottest three months of the year for 2020, 2021, and 2022. The employment rates in the top five industries with occupational heavy metal (cadmium, lead, and arsenic) and heat exposure were obtained from the Statistics Canada 2021 database. Statistical significance was calculated based on the 95% confidence interval difference from the null hypothesis. Correlation analysis was performed between our rates of nephrolithiasis risk factors and previously published estimates of the stone incidence: kidney stone interventions and acute kidney stone event rates. Results: Lower-latitude provinces had higher overall mean temperatures in 2020 to 2022, with Ontario, Manitoba, and Prince Edward Island having the highest seasonal heat burdens, in this order. Nunavut had the lowest rate of occupational heat exposure, while the remaining regions had similar rates. Yukon, the Northwest Territories, and Nunavut had significantly higher rates of occupational heavy metal exposure compared to the remaining regions. The ambient temperature and occupation heavy metal and heat exposure showed no significant correlation with the estimates of the stone incidence. Conclusions: The occupational heat exposure was relatively similar between regions. Northern Canada had higher occupational heavy metal exposure compared to other regions. Occupational exposures and temperature variations were not associated with the nephrolithiasis incidence in Canada.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,003 | 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 ».