Near-Road Exposure to Air Pollution and Allergic Rhinitis: A Cross-Sectional Study among Vendors in Dakar, Senegal
Notice bibliographique
Résumé
Introduction: The work environment is one of the main causes of allergic rhinitis. The majority of vendors in Dakar work in places close to roads that are very frequented by vehicles, exposing them to increased air pollution. The study determined the prevalence of allergic rhinitis and its associated risk factors in these vendors. Methods: This was a cross-sectional survey based on a structured questionnaire, conducted among vendors in the neighborhoods of HLM, Medina and Petersen in Dakar, Senegal. A total of 200 vendors were interviewed. Symptoms of allergic rhinitis were defined as the simultaneous presence of rhinorrhea, nasal congestion and sneezing in the absence of respiratory infection. A logistic regression analysis was performed to determine the relationship between socio-demographic characteristics, occupational factors, and allergic rhinitis. Results: Results of the study show a prevalence of 43% of allergic rhinitis among vendors. Multivariate analysis showed that the independent factors associated with allergic rhinitis in these vendors were age [OR: 3.28 (1.02 - 10.51)], working area [OR: 8.31 (2.39 - 28.95)], exposure to multiple sources of pollution [OR: 4.08 (1.43 - 11.63)], and recurrent cold [OR: 4.39 (1.15 - 16.85)]. Conclusion: The prevalence of allergic rhinitis was high among vendors in Dakar. Our data suggest that exposure to air pollution at the workplace in vendors could lead to allergic rhinitis.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».