Association of type 1 diabetes and concentrations of drinking water components in Newfoundland and Labrador, Canada
Notice bibliographique
Résumé
OBJECTIVE: To determine the association between drinking water quality and rates of type 1 diabetes in the Newfoundland and Labrador (NL) population, which has one of the highest incidences of type 1 diabetes reported globally. RESEARCH DESIGN AND METHODS: The study used a community-based, case-control design. We first calculated incidence rates of type 1 diabetes at the provincial, regional and community levels. The connection between incidence rates and components in public water supplies were then analyzed in three ways: to evaluate differences in water quality between communities with and without incident cases of type 1 diabetes, and to analyze the relationship between water quality and incidence rates of type 1 diabetes at both the community and regional levels. RESULTS: The provincial incidence of type 1 diabetes was 51.7/100 000 (0-14 year age group) for the period studied. In the community-based analysis, there were significant associations found between higher concentrations of arsenic (β=0.268, P=0.013) and fluoride (β=0.202, P=0.005) in drinking water and higher incidence of type 1 diabetes. In the regional analysis, barium (β=-0.478, P=0.009) and nickel (β=-0.354, P=0.050) concentrations were negatively associated with incidence of type 1 diabetes. CONCLUSIONS: We confirmed the high incidence of type 1 diabetes in NL. We also found that concentrations of some components in drinking water were associated with higher incidence of type 1 diabetes, but no component was found to have a significant association across the three different levels of analysis performed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».