MétaCan
Menu
← Retour à la cohorte
Enregistrement W2914442922 · doi:10.1289/isee.2011.01705

ADVERSE PERINATAL OUTCOMES AND ENVIRONMENTAL HAZARDS USING A WATERSHED APPROACH

2011· article· en· W2914442922 sur OpenAlexaffabout
Anders C. Erickson, Laura Arbour, Hing Man Chan

Notice bibliographique

RevueISEE Conference Abstracts · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of Northern British ColumbiaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésWatershedCensusGeographyPopulationEnvironmental scienceSpatial analysisGeographic information systemWatershed areaEnvironmental healthCartographyMedicine

Résumé

récupéré en direct d'OpenAlex

Background and Aims: Environmental contaminants linked to increased risks of adverse perinatal outcomes are varied and numerous. The watershed approach framework is able to accommodate a multi-stressor environment as it focuses on hydrologically-defined geographic regions rather than on a single discharger or specific media (e.g. air, water). This paper examines the feasibility of using a watershed approach in the analysis of environmental contaminants and reproductive health in British Columbia, Canada. Methods: Point-source pollution data and adverse birth outcomes were mapped using two similar sized but vastly different spatial tessellations of local watershed areas and administrative census subdivision areas. Pollution data was modelled using the cumulative annual release of a substance within both spatial tessellations and visually compared. Similarly, risk ratios of small-for-gestational age, preterm births and congenital anomalies were calculated for both spatial tessellations and a sensitivity analysis performed to assess rate stability. Results: Unlike administrative census boundaries, watershed areas are independent of population size and therefore were more appropriate to model the environmental hazard data particularly for rural and remote areas with low population densities. With respect to birth outcomes, both tessellations were able to pick up many of the same community-level risk estimates thus confirming and often spatially refining the found result. Due to their slightly larger size, the watershed areas produced more stable risk ratios with less variability when sensitivity analyses were performed (70% vs. 50% of areas remaining significant after sensitivity analysis). Conclusions: The watershed defines an appropriate small-area unit in which to investigate the cumulative impact of multiple physical, chemical, and biological stressors on human populations.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,238

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,090
Tête enseignante GPT0,284
Écart entre enseignants0,194 · 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
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISEE Conference Abstracts→Même sujetAir Quality and Health Impacts→Travaux en français237 207→