A Population-Based Case-Control Study of Drinking-Water Nitrate and Congenital Anomalies Using Geographic Information Systems (GIS) to Develop Individual-Level Exposure Estimates
Notice bibliographique
Résumé
Animal studies and epidemiological evidence suggest an association between prenatal exposure to drinking water with elevated nitrate (NO3-N) concentrations and incidence of congenital anomalies. This study used Geographic Information Systems (GIS) to derive individual-level prenatal drinking-water nitrate exposure estimates from measured nitrate concentrations from 140 temporally monitored private wells and 6 municipal water supplies. Cases of major congenital anomalies in Kings County, Nova Scotia, Canada, between 1988 and 2006 were selected from province-wide population-based perinatal surveillance databases and matched to controls from the same databases. Unconditional multivariable logistic regression was performed to test for an association between drinking-water nitrate exposure and congenital anomalies after adjusting for clinically relevant risk factors. Employing all nitrate data there was a trend toward increased risk of congenital anomalies for increased nitrate exposure levels though this was not statistically significant. After stratification of the data by conception before or after folic acid supplementation, an increased risk of congenital anomalies for nitrate exposure of 1.5-5.56 mg/L (2.44; 1.05-5.66) and a trend toward increased risk for >5.56 mg/L (2.25; 0.92-5.52) was found. Though the study is likely underpowered, these results suggest that drinking-water nitrate exposure may contribute to increased risk of congenital anomalies at levels below the current Canadian maximum allowable concentration.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».