8292418 Lung cancer risk among 2.2 million Ontario workers: joint effects of co-exposure to five occupational carcinogens by sex
Notice bibliographique
Résumé
Objectives Several occupational exposures cause lung cancer, but few studies have examined co-exposure effects. We aim to investigate the joint effects of exposure to five carcinogens— asbestos, chromium VI, nickel, polycyclic aromatic hydrocarbons (PAHs) and benzo-a-pyrene (BaP) as a surrogate of PAH exposure, and silica— on lung cancer risk. Methods Lung cancer cases were identified from the Ontario Cancer Registry between 1983 to 2019 from a large cohort of Ontario workers. Exposure status (exposed/non-exposed) was assigned to workers based on their occupation using the Canadian job-exposure matrix for each carcinogen. Cox proportional hazards models estimated associations of carcinogen exposure on lung cancer risk overall, by sex, and by subtype, controlling for age, sex, and birth-year. Joint effects were analyzed using pairwise interaction models assessed on multiplicative and additive scales using the relative excess risk due to interaction (RERI). Results Overall, 36,125 lung cancer cases were identified among 2,223,408 workers. In preliminary analysis, joint effects of co-exposure to asbestos/silica (RERI= 0.27, 95% CI: 0.15, 0.39), BaP/silica (RERI=0.28, 95% CI: 0.17, 0.39), PAHS/silica (RERI=0.14, 95% CI: 0.05, 0.23), and chromium/BaP (RERI= 0.20, 95% CI: 0.01, 0.42) were more than additive. Conversely, joint effects of asbestos/PAHs (RERI: -0.44, 95% CI: -0.68, -0.24), BaP/nickel (RERI= -0.11, 95% CI: -0.21, -0.01), and chromium/PAHs (RERI=-0.38, 95% CI: -0.60, -0.18) were less than additive. The remaining pairwise joint effects did not significantly depart from additivity. The pattern of results was similar among male workers, but no pairwise joint effects significantly departed from additivity for females. Differences by lung cancer sub-type and additional analyses to follow. Conclusion Significant interaction effects were observed. Ongoing joint effects analysis may help identify high-risk occupations/industries by discovering the most impactful exposure combinations.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».