Association between Air Pollution and the Development of Rheumatic Disease: A Systematic Review
Notice bibliographique
Résumé
Objective . Environmental risk factors, such as air pollution, have been studied in relation to the risk of development of rheumatic diseases. We performed a systematic literature review to summarize the existing knowledge. Methods . MEDLINE (1946 to September 2016) and EMBASE (1980 to 2016, week 37) databases were searched using MeSH terms and keywords to identify cohort, case-control, and case cross-over studies reporting risk estimates for the development of select rheumatic diseases in relation to exposure of measured air pollutants (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mi>n</mml:mi><mml:mo>=</mml:mo><mml:mn fontstyle="italic">8</mml:mn></mml:math>). We extracted information on the population sample and study period, method of case and exposure determination, and the estimate of association. Results . There was no consistent evidence of an increased risk for the development of rheumatoid arthritis (RA) with exposure to NO 2 , SO 2 , PM 2.5 , or PM 10 . Case-control studies in systemic autoimmune rheumatic diseases (SARDs) indicated higher odds of diagnosis with increasing PM 2.5 exposure, as well as an increased relative risk for juvenile idiopathic arthritis (JIA) in American children <5.5 years of age. There was no association with SARDs and NO 2 exposure. Conclusion . There is evidence for a possible association between air pollutant exposures and the development of SARDs and JIA, but relationships with other rheumatic diseases are less clear.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».