MétaCan
Menu
Retour à la cohorte
Enregistrement W2766856590 · doi:10.2105/ajph.2017.303839

Global Association of Air Pollution and Cardiorespiratory Diseases: A Systematic Review, Meta-Analysis, and Investigation of Modifier Variables

2017· review· en· W2766856590 sur OpenAlexaff
Weeberb J. Réquia, Matthew D. Adams, M. Altaf Arain, Stefania Papatheodorou, Petros Koutrakis, Moataz Mahmoud

Notice bibliographique

RevueAmerican Journal of Public Health · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCardiorespiratory fitnessEnvironmental healthMeta-analysisMedicineAir pollutionSocioeconomic statusInternal medicinePopulation

Résumé

récupéré en direct d'OpenAlex

Background. Little is known about the health risks of air pollution and cardiorespiratory diseases, globally, across regions and populations, which may differ because of external factors. Objectives. We systematically reviewed the evidence on the association between air pollution and cardiorespiratory diseases (hospital admissions and mortality), including variability by energy, transportation, socioeconomic status, and air quality. Search Methods. We conducted a literature search (PubMed and Web of Science) for studies published between 2006 and May 11, 2016. Selection Criteria. We included studies if they met all of the following criteria: (1) considered at least 1 of these air pollutants: carbon monoxide, sulfur dioxide, nitrogen dioxide, ozone, or particulate matter (PM2.5 or PM10); (2) reported risk for hospital admissions, mortality, or both; (3) presented individual results for respiratory diseases, cardiovascular diseases, or both; (4) considered the age groups younger than 5 years, older than 65 years, or all ages; and (5) did not segregate the analysis by gender. Data Collection and Analysis. We extracted data from each study, including location, health outcome, and risk estimates. We performed a meta-analysis to estimate the overall effect and to account for both within- and between-study heterogeneity. Then, we applied a model selection (least absolute shrinkage and selection operator) to assess the modifier variables, and, lastly, we performed meta-regression analyses to evaluate the modifier variables contributing to heterogeneity among studies. Main Results. We assessed 2183 studies, of which we selected 529 for in-depth review, and 70 articles fulfilled our study inclusion criteria. The 70 studies selected for meta-analysis encompass more than 30 million events across 28 countries. We found positive associations between cardiorespiratory diseases and different air pollutants. For example, when we considered only the association between PM2.5 and respiratory diseases ( Figure 1 , we observed a risk equal to 2.7% (95% confidence interval = 0.9%, 7.7%). Our results showed statistical significance in the test of moderators for all pollutants, suggesting that the modifier variables influence the average cardiorespiratory disease risk and may explain the varying effects of air pollution. Conclusions. Variables related to aspects of energy, transportation, and socioeconomic status may explain the varying effect size of the association between air pollution and cardiorespiratory diseases. Public Health Implications. Our study provides a transferable model to estimate the health effects of air pollutants to support the creation of environmental health public policies for national and international intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,053
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0220,032
Bibliométrie0,0110,012
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,177
Tête enseignante GPT0,408
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations181
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Public HealthMême sujetAir Quality and Health ImpactsTravaux en français237 207