MétaCan
Menu
← Retour à la cohorte
Enregistrement W2894716597 · doi:10.1136/lupus-2018-lsm.86

EF-06 Anti-nuclear antibodies (ANA) and air pollution: ultrafine particles and ozone

2018· article· en· W2894716597 sur OpenAlexafffundabout
Sasha Bernatsky, Audrey Smargiassi, Shouao Wang, May Y. Choi, Scott Weichenthal, Marianne Hatzopoulou, Marvin J. Fritzler

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of TorontoUniversity of CalgaryUniversité de MontréalMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthLupus Research AllianceLupus Research Institute
Mots-clésMedicineUltrafine particlePopulationLogistic regressionAir pollutionOzoneInternal medicineEnvironmental healthMeteorology

Résumé

récupéré en direct d'OpenAlex

Background Previous studies suggest links between air pollution (i.e. fine particulate matter, PM2.5) and serum antibodies related to rheumatic diseases. No one has yet examined associations between anti-nuclear antibodies (ANA) and ultrafine particles (UFP) or ozone (O3), both of which can enter through the lungs and may have the potential to trigger systemic effects. Methods Our analyses were based within the CARTaGENE general population cohort (n=20,000) based in the province of Quebec, Canada. We determined baseline ANA (HEp-2000, Immuno Concepts) on a random sample. Air pollutant exposures were assigned by linking subjects’ residential postal codes with estimated levels (determined by hybrid approaches including satellite imagery and modelling). We performed multivariable logistic regression models for the outcome of positive ANA, assessing for independent effects of UFP (available for Montreal only) and O3 in separate models, adjusting for age, sex, smoking, and self-reported ancestry. Results ANA positivity of at least 1:160 occurred in 713 (20%) of 3578 randomly selected patients tested. The ANA positive subjects were more likely than ANA negative subjects to be female (63% vs 49%) while the average age (55.4 vs 54.0) and percent never-smokers (37% vs 40%) were similar. There was missing information on covariates for 232 subjects, which therefore were not included in the model estimates. There was a trend for higher average UFP: exposure in ANA positive subjects (24 606 particles/cm3, standard deviation, SD 4979) versus ANA negative (24328, SD 5078), while average ozone levels were very similar (22.5 vs 22.6 µg/m). The multivariable model (table 1) for UFP showed a trend to higher levels in the ANA positive group (1.008, 95% CI 0.982 to 1.034) while in the multivariable model for O3 the OR was very close to the null value (0.996, 95% CI 0.965 to 1.029). In all models, risk factors for ANA positivity included older age and female sex, with trends for lower ANA positivity in French Canadians. Conclusions We saw a non-significant trend towards higher UFP levels in ANA positive versus negative subjects, while O3 levels seemed very similar in the two groups. Expected trends for more ANA positivity with older age and female sex was seen. Further study of UFP levels with a larger sample size is in progress. If confirmed, these results may strengthen the hypothesis that air pollution is an environmental trigger of immune system activation. Acknowledgements This research was supported by the CIHR. CARTaGENE is a member of the Canadian Project for Tomorrow cohort.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,659
Score d'incertitude au seuil0,685

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,029
Tête enseignante GPT0,285
Écart entre enseignants0,257 · 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'admission3
Résumé présentoui

Explorer davantage

Même sujetAir Quality and Health Impacts→Travaux en français237 207→