Exploration of NO2 and PM2.5 air pollution and mental health problems using high-resolution data in London-based children from a UK longitudinal cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Air pollution is a worldwide environmental health issue. Increasingly, reports suggest that poor air quality may be associated with mental health problems, but these studies often use global measures and rarely focus on early development when psychopathology commonly emerges. To address this, we combined high-resolution air pollution exposure estimates and prospectively-collected phenotypic data to explore concurrent and longitudinal associations between air pollutants of major concern in urban areas and mental health problems in childhood and adolescence. Exploratory analyses were conducted on 284 London-based children from the Environmental Risk (E-Risk) Longitudinal Twin Study. Exposure to annualized PM2.5 and NO2 concentrations was estimated at address-level when children were aged 12. Symptoms of anxiety, depression, conduct disorder, and attention-deficit hyperactivity disorder were assessed at ages 12 and 18. Psychiatric diagnoses were ascertained from interviews with the participants at age 18. We found no associations between age-12 pollution exposure and concurrent mental health problems. However, age-12 pollution estimates were significantly associated with increased odds of major depressive disorder at age 18, even after controlling for common risk factors. This study demonstrates the potential utility of incorporating high-resolution pollution estimates into large epidemiological cohorts to robustly investigate associations between air pollution and youth mental health.
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.
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 | 0,004 | 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 | 0,001 |
| 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 découle