MétaCan
Menu
Retour à la cohorte
Enregistrement W2990139982 · doi:10.1289/isesisee.2018.s01.02.23

Transportation Noise and Cardio-Metabolic Disease

2018· article· en· W2990139982 sur OpenAlexaff
Hugh Davies

Notice bibliographique

RevueISEE Conference Abstracts · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésNoise (video)DiseaseEnvironmental healthObesityNoise exposureMedicineEnvironmental noiseInternal medicineAudiologyComputer science

Résumé

récupéré en direct d'OpenAlex

The link between noise and cardiovascular disease was among the earliest to be examined by researchers interested in the non-auditory effects of noise. While the earliest studies (pre-1980) suffered many limitations, they motivated a body of research in the 1980’s and 90’s that produced more consistent and increasingly valid findings relating transportation noise and CVD, and produced a biological model. Since then, a number of higher quality studies have probed the roles of different noise sources, and a greater range of outcomes. There is good evidence that noise is an independent risk factor for disease when co-exposure with air pollutants occurs. Increasingly studies have looked at the “intermediate” and other effects of noise in the cardio-metabolic pathway predicted by the model. Still the amount of research being done in this area is relatively low. A 2018 systematic review by the group updating the Environmental Noise Guidelines for the European Region (van Kempen, Cara, Pershagen and Foraster) reviewed evidence for an association between noise and cardiovascular and metabolic effects. They concluded that the most comprehensive evidence was available for road traffic and ischemic heart disease; a meta-analysis of 7 longitudinal studies gave a relative risk of 1.08 (95% CI 1.01-1.15) per 10 dB(LDEN). The most common outcome studied was hypertension but the authors rated the overall quality of evidence “very low”. Other outcomes that have been examined include stroke, adiposity, obesity and diabetes. For these outcomes there are much fewer studies; those that exist are of variable quality and their findings are often inconsistent. Nevertheless, there is a plausible biological model linking noise with highly prevalent chronic disease outcomes in humans, so there is a great need for more studies and studies of stronger study designs, e.g. longitudinal, with improved exposure assessment and better control of potential confounding and other biases.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,044
Tête enseignante GPT0,370
Écart entre enseignants0,326 · 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 revueISEE Conference AbstractsMême sujetNoise Effects and ManagementTravaux en français237 207