Ambient air pollution, traffic noise and adult asthma prevalence: a BioSHaRE approach
Notice bibliographique
Résumé
We investigated the effects of both ambient air pollution and traffic noise on adult asthma prevalence, using harmonised data from three European cohort studies established in 2006–2013 (HUNT3, Lifelines and UK Biobank). Residential exposures to ambient air pollution (particulate matter with aerodynamic diameter ≤10 µm (PM 10 ) and nitrogen dioxide (NO 2 )) were estimated by a pan-European Land Use Regression model for 2007. Traffic noise for 2009 was modelled at home addresses by adapting a standardised noise assessment framework (CNOSSOS-EU). A cross-sectional analysis of 646 731 participants aged ≥20 years was undertaken using DataSHIELD to pool data for individual-level analysis via a “compute to the data” approach. Multivariate logistic regression models were fitted to assess the effects of each exposure on lifetime and current asthma prevalence. PM 10 or NO 2 higher by 10 µg·m −3 was associated with 12.8% (95% CI 9.5–16.3%) and 1.9% (95% CI 1.1–2.8%) higher lifetime asthma prevalence, respectively, independent of confounders. Effects were larger in those aged ≥50 years, ever-smokers and less educated. Noise exposure was not significantly associated with asthma prevalence. This study suggests that long-term ambient PM 10 exposure is associated with asthma prevalence in western European adults. Traffic noise is not associated with asthma prevalence, but its potential to impact on asthma exacerbations needs further investigation.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».