Long-Term occupational exposure to heavy metals (lead, mercury, aluminum) and risk of dementia: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Dementia, is a major global health challenge. Occupational exposure to heavy metals such as lead, mercury, and aluminum is common in several industries, yet their long-term contribution to dementia risk remains uncertain. Objective: To systematically review and meta-analyze epidemiological evidence on the association between chronic occupational exposure to lead, mercury, or aluminum and risk of dementia or AD. Methods: Following PRISMA 2020 guidelines, PubMed, Web of Science, and Embase were searched through August 2025 for observational studies assessing long-term occupational heavy metal exposure and dementia outcomes. Study quality was assessed using the Newcastle–Ottawa Scale. Random-effects meta-analyses pooled odds ratios (ORs), and heterogeneity was evaluated using the I² statistic. Results: Fifteen studies involving over 10,000 participants met inclusion criteria. Chronic lead exposure was not significantly associated with dementia risk (OR ≈ 1.10, 95% CI 0.90–1.35). Mercury exposure showed a non-significant trend toward increased risk (OR ≈ 1.15, 95% CI 0.80–1.60). In contrast, chronic aluminum exposure was associated with a significantly higher risk of dementia (OR ≈ 1.50, 95% CI 1.20–1.90), with moderate heterogeneity. Conclusion: Long-term aluminum exposure appears to increase dementia risk, whereas evidence for lead and mercury remains inconclusive. Further longitudinal studies with precise exposure assessment are warranted.
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 | 0,015 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».