Cancer attributable to occupational factors: a focus on primary prevention
Notice bibliographique
Résumé
Background: Occupational cancers arise from exposure to carcinogenic agents during work activities and represent a significant public health challenge. In Korea, compensation for occupational cancers has been available since 1964, with asbestos related mesothelioma recognized in 1993. Estimating the population attributable fraction (PAF) using national surveys and epidemiological studies is critical for assessing regulatory impact and forecasting future disease burden.Current Concepts: The International Agency for Research on Cancer categorizes carcinogens into distinct groups, and nearly 47 agents have been identified as relevant to occupational exposures. Advanced assessment tools, including job exposure matrices and the CAREX (CARcinogen EXposure) program, have been developed to accurately estimate exposure prevalence across industries. Comparative studies from Korea, the United Kingdom, France, Canada, Italy, and China indicate that the occupational cancer PAF ranges from approximately 1% to 8%. Notably, asbestos, welding fumes, diesel engineexhaust and emerging exposures such as night shift work are consistently recognized as major contributors to occupational cancer risk.Discussion and Conclusion: Although regulatory measures have successfully reduced exposure to several known carcinogens, long latency periods and evolving industrial practices continue to sustain the burden of occupational cancers. Incorporating detailed occupational histories in clinical assessments can facilitate early detection and targeted interventions. Ongoing refinement of exposure estimation methods and international collaboration remain essential for updating PAF calculations. Ultimately, proactive primary prevention and evidence-based regulatory policies are imperative to mitigate the impact of occupational carcinogens on cancer incidence and mortality. These findings underscore the urgency of continuous monitoring and targeted occupational health initiatives.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».