MétaCan
Menu
← Retour à la cohorte
Enregistrement W2803793149 · doi:10.1093/pch/pxy054.101

AN INTEGRATIVE AND COLLABORATIVE APPROACH TO ASSOCIATING ADVERSE BIRTH OUTCOMES AND INDUSTRIAL AIR POLLUTION

2018· article· en· W2803793149 sur OpenAlexaboutno aff
Jesús Serrano-Lomelin, Charlene C. Nielsen, Mohomed Shazan Mohomed Jabbar, Osnat Wine, Osmar R. Zai͏̈ane, Álvaro Osornio-Vargas

Notice bibliographique

RevuePaediatrics & Child Health · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthOddsOdds ratioHazardous wasteLow birth weightEpidemiologyPollutantABO blood group systemSmall for gestational agePregnancyMedicineEnvironmental scienceBirth weightLogistic regressionEngineeringWaste managementChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND The relationship of many hazardous pollutants present in ambient air with adverse birth outcomes (ABO) is still unknown, particularly from those released by industry. The knowledge gap is even greater when considering the impact of mixtures of hazardous pollutants on pregnancy outcomes. OBJECTIVES We aimed to collaboratively overcome methodological limitations to identify potential hazardous mixtures of industrial air pollutants spatially related to the occurrence of ABO in Alberta. DESIGN/METHODS We applied integrative data analyses on large existing databases (2006–2012) from (i) the National Pollutant Release Inventory on chemicals released into air by industry; (ii) the Alberta Perinatal Health Program on births, known maternal risk factors for ABO, and the maternal postal code at birth; (iii) an area-level socioeconomic status index (SES). We developed a novel spatial data mining (DM) algorithm to identify significant spatial colocation rules of combinations of emitted chemicals and ABO (i.e., preterm birth [PTB], small for gestational age [SGA], and low birth weight at term [LBWT]). We used a Geographic Information System (GIS) to assign exposures to residences within 10 km of emission sites. We used epidemiological analysis to calculate the corresponding odds ratios of exposures to chemical mixtures and the occurrence of ABO, adjusted by maternal covariates and SES. RESULTS DM distinguished eleven rules combining three chemicals - gases, particulate matter and organics - as associated with ABO. GIS assigned exposure and epidemiological analysis identified seven rules with increased odds for induced PTB, SGA, and LBWT. One exclusively increased the odds for PTB (15%). CONCLUSION The combined interdisciplinary use of data mining, GIS, and epidemiology strategies enabled us to identify the risks associated with mixtures of hazardous chemicals and ABO – findings that proved elusive when applying methodologies individually. These discoveries enhance our understanding of the role of chemical mixtures in ABO.

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)0,008
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0120,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0030,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,315
Écart entre enseignants0,285 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetAir Quality and Health Impacts→Travaux en français237 207→