Occupational exposure to combustion by-products and breast cancer risk in postmenopausal women
Bibliographic record
Abstract
Contexte : L’exposition professionnelle aux sous-produits de combustion est répandue et peut contribuer à l'étiologie du cancer du sein. Cette étude vise à estimer l’association entre l’exposition professionnelle à certains sous-produits de combustion et le risque postménopausique de cancer du sein. Méthodes : Cette étude cas-témoins populationnelle comprenait des femmes ménopausées âgées de 47-75 ans résidant à Montréal, Québec (2008-2011). Les cas incluaient 695 femmes ayant reçu un diagnostic cancer du sein malin et 608 témoins sélectionnés aléatoirement à partir de la Liste électorale du Québec, appariés aux cas en fréquence (groupes d'âge de 5 ans). L’information sur les facteurs de risque et l'historique professionnel a été recueillie par entrevue. Des hygiénistes industriels ont évalué l'exposition à 293 agents, dont six sous-produits de combustion. Le risque de cancer du sein associé à l'exposition professionnelle à certains sous-produits a été estimé, pour l'ensemble des tumeurs et leurs sous-types moléculaires, par régression logistique inconditionnelle avec rapports de cotes ajustés (RC) et intervalles de confiance à 95 % (IC 95%). Résultats : Des associations positives suggestives ont été trouvées entre l'exposition aux hydrocarbures aromatiques polycycliques et certains sous-types moléculaires de tumeurs : toutes tumeurs, RC=1,18 (IC95%=0,80-1,76), tumeurs luminales A, RC=1,25 (IC95%=0,81-1,93) et tumeurs luminales B, RC=2,09 (IC95%=0,87-4,60). Un risque élevé a été observé avec l'exposition aux fumées de cuisson pour les tumeurs HER2-enrichies (RC=2,63, IC95%=0,98-6,40). Conclusion : L'exposition à certains sous-produits de combustion peut augmenter le risque de certains sous-types moléculaires de cancer du sein. Des études futures explorant cette association sont justifiées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".