Assessment of Particle Oxidative Potential as an Air Pollution Exposure Metric: A Systematic Review
Notice bibliographique
Résumé
Ambient particulate air pollution is linked to numerous acute and chronic health outcomes. The standard approach to measuring particulate exposure has been to estimate particle mass concentration. New measures account for oxidative potential, the ability of particles to cause oxidative stress in the body. There has been no systematic comparison of particulate air pollution exposure assessment methods between those that incorporate oxidative potential and those that do not. The aim of this review is to determine if associations between particulate air pollution exposure and health outcomes are stronger when oxidative potential is used as the exposure metric, in comparison to particle mass concentration. The databases Medline and Embase were searched from inception to 28 March 2018 for studies that reported an association between particulate air pollution exposure and a health outcome in a human population, and in which exposure was measured by both particle mass concentration and oxidative potential. Study quality was assessed using a US National Toxicology Program instrument. We identified 18 publications meeting the selection criteria. The most common oxidative potential assay was antioxidant depletion in synthetic respiratory tract lining fluid, used in 12 articles. The rate of consumption of dithiothreitol was also frequently used as an oxidative potential assay and appeared in 5 studies. The dithiothreitol assay most consistently produced stronger effect estimates, as 10/14 endpoints showed higher point estimates of associations compared to particle mass concentration estimates. Other assays showed mixed results. To date there is no consistent evidence that oxidative potential is more strongly associated with health outcomes than particle mass concentrations; however, these assays do have the advantage of not treating all particles as equally harmful and further work should explore which specific assays are most relevant to evaluating air pollution health risks.
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 | 0,010 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».