Maternal Exposure to Particulate Air Pollution and Term Birth Weight: A Multi-Country Evaluation of Effect and Heterogeneity
Notice bibliographique
Résumé
BACKGROUND: A growing body of evidence has associated maternal exposure to air pollution with adverse effects on fetal growth; however, the existing literature is inconsistent. OBJECTIVES: We aimed to quantify the association between maternal exposure to particulate air pollution and term birth weight and low birth weight (LBW) across 14 centers from 9 countries, and to explore the influence of site characteristics and exposure assessment methods on between-center heterogeneity in this association. METHODS: Using a common analytical protocol, International Collaboration on Air Pollution and Pregnancy Outcomes (ICAPPO) centers generated effect estimates for term LBW and continuous birth weight associated with PM(10) and PM(2.5) (particulate matter ≤ 10 and 2.5 µm). We used meta-analysis to combine the estimates of effect across centers (~ 3 million births) and used meta-regression to evaluate the influence of center characteristics and exposure assessment methods on between-center heterogeneity in reported effect estimates. RESULTS: In random-effects meta-analyses, term LBW was positively associated with a 10-μg/m3 increase in PM10 [odds ratio (OR) = 1.03; 95% CI: 1.01, 1.05] and PM(2.5) (OR = 1.10; 95% CI: 1.03, 1.18) exposure during the entire pregnancy, adjusted for maternal socioeconomic status. A 10-μg/m3 increase in PM(10) exposure was also negatively associated with term birth weight as a continuous outcome in the fully adjusted random-effects meta-analyses (-8.9 g; 95% CI: -13.2, -4.6 g). Meta-regressions revealed that centers with higher median PM(2.5) levels and PM(2.5):PM(10) ratios, and centers that used a temporal exposure assessment (compared with spatiotemporal), tended to report stronger associations. CONCLUSION: Maternal exposure to particulate pollution was associated with LBW at term across study populations. We detected three site characteristics and aspects of exposure assessment methodology that appeared to contribute to the variation in associations reported by centers.
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 | 0,122 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,047 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».