Arsenic exposure and young adult's mortality risk: A 13-year follow-up study in Matlab, Bangladesh
Notice bibliographique
Résumé
BACKGROUND: Widespread arsenic contamination in underground water is a well-documented public health concern that threatens millions of lives worldwide. We investigated the risk of young-adult mortality due to high chronic exposure to arsenic through years of drinking arsenic contaminated water. METHODS: A prospective cohort study of 58,406 individuals was enrolled who were 4-18 years at baseline. Since Matlab HDSS (Health and Demographic Surveillance System) has an active surveillance system, all individuals were included in the follow up. Each individual's arsenic exposure was calculated at (1) baseline As level as current exposure (2) time-weighted lifetime (average or lifetime average) and (3) cumulative arsenic exposure. Age, sex, educational attainment and SES were adjusted during the analysis. In this 13 years closed-cohort study (2003-2015), all young-adult deaths were captured through verbal autopsy (VA) using International Classification of Diseases (ICD-10) to define the causes. RESULTS: Although, girls had higher values of cumulative arsenic exposure via tube well water than boys (median: 1858.5 μg/year/L vs. 1798.8 μg/year/L) but higher mortality due to cancers and due to cerebro-vascular disease, cardio-vascular disease, and respiratory disease (7.0 vs. 5.7 per 100,000 person-years and 6.4 vs. 4.2 per 100,000 person-years respectively). Higher risk of deaths among young adults (Adjusted HR: 2.7, 1.3-5.8) due to all cancers among those who were exposed to As > 138.7 compared to As ≤ 1.1 μg/L. For cerebro-vascular disease, cardio-vascular disease, and respiratory disease deaths, average arsenic in well water (>223.1 μg/L vs. ≤90.9 μg/L) and cumulative arsenic in well water (>2711.0 μg/year/L vs. ≤1013.3 μg/year/L) had 4.8 (1.8-12.8) and 5.1 (1.7-15.1) times higher risks of mortality than to those lowest exposed. CONCLUSION: Higher concentration of, and chronic exposure to arsenic in drinking water, increases the mortality risk among the young adults, regardless of gender.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».