8277626 Application of bias analysis: the case of socioeconomic status and lung cancer in a pooled international case-control study
Notice bibliographique
Résumé
Objective Socioeconomic status (SES) is an important confounder of the association between occupational exposures and lung cancer. However, the extent of SES effects on lung cancer, including mediating effects via smoking habits, remained unclear as several biases were often indicated. Therefore, we aimed to quantify the impact of potential biases on the SES-lung cancer association. Material and Methods We used data from the SYNERGY project (https://synergy.iarc.who.int), including 16,550 cases and 20,147 controls from European and Canadian case-control studies, to investigate bias effects in the association of occupational SES (in quartiles) and lung cancer. We estimated odds ratios (OR) with 95% confidence intervals (CI) by logistic regression adjusting for age, study centre, and smoking, stratified by sex. We also estimated natural direct SES effects and natural indirect effects via smoking by inverse odds ratio weighting. In a quantitative bias analysis, we considered impacts of misclassification of smoking status, selection bias, and unmeasured mediator-outcome confounding by genetic disposition, calculating 95% simulation intervals (SI) by bootstrap (n=2500 repetitions). Results Adjustment for smoking as well as natural effects estimation showed that nearly 50% of lung cancer risks for lower SES groups in men and up to one third in women were attributable to smoking. Consideration of all types of bias reduced lung-cancer risks in the fully adjusted logistic regression models: For the 4th versus 1st (highest) SES quartile OR decreased from 1.83 (1.69-1.98 CI) to 1.50 (1.32-1.69 SI) in men, and OR 1.48 (1.27-1.72 CI) to 1.20 (1.01-1.45 SI) in women. Conclusion Direct lung-cancer risks of lower SES groups were lowered by multiple bias adjustment but remained elevated. As long as it remains unclear to what extent these effects are attributable to occupational hazards, SES should be considered in the analysis of occupational exposures and lung cancer.
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 | 0,087 | 0,195 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».