Air Pollution Exposure Assessment for Epidemiologic Studies of Pregnant Women and Children: Lessons Learned from the Centers for Children’s Environmental Health and Disease Prevention Research
Notice bibliographique
Résumé
The National Children's Study is considering a wide spectrum of airborne pollutants that are hypothesized to potentially influence pregnancy outcomes, neurodevelopment, asthma, atopy, immune development, obesity, and pubertal development. In this article we summarize six applicable exposure assessment lessons learned from the Centers for Children's Environmental Health and Disease Prevention Research that may enhance the National Children's Study: a) Selecting individual study subjects with a wide range of pollution exposure profiles maximizes spatial-scale exposure contrasts for key pollutants of study interest. b) In studies with large sample sizes, long duration, and diverse outcomes and exposures, exposure assessment efforts should rely on modeling to provide estimates for the entire cohort, supported by subject-derived questionnaire data. c) Assessment of some exposures of interest requires individual measurements of exposures using snapshots of personal and microenvironmental exposures over short periods and/or in selected microenvironments. d) Understanding issues of spatial-temporal correlations of air pollutants, the surrogacy of specific pollutants for components of the complex mixture, and the exposure misclassification inherent in exposure estimates is critical in analysis and interpretation. e) "Usual" temporal, spatial, and physical patterns of activity can be used as modifiers of the exposure/outcome relationships. f) Biomarkers of exposure are useful for evaluation of specific exposures that have multiple routes of exposure. If these lessons are applied, the National Children's Study offers a unique opportunity to assess the adverse effects of air pollution on interrelated health outcomes during the critical early life period.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».