Perinatal Exposure to Ambient Air Pollution and Greenness, and the Incidence of Paediatric Diabetes: A Population-Based Cohort Study
Notice bibliographique
Résumé
Background: Ambient air pollution exposure during early life has recently been associated with diabetes incidence in children. However, little is known regarding critical exposure windows and if exposure to greenness could modify these associations. This study sought to assess the relationship between selected air pollutants (NO2, PM2.5, O3, and Ox [oxidant capacity]) and the incidence of paediatric diabetes.Methods: Our cohort consisted of 754,698 mother-infant pairs occurring between 2006 and 2012 in the province of Ontario, Canada. Diabetes incidence was ascertained using population-based health administrative data with a validated algorithm. The cohort was followed until 2015. Temporally adjusted exposure to NO2, PM2.5, and O3 was estimated using satellite-based regression, land-use regression, and a fusion-based approach, respectively, and was assigned to subjects’ residential postal codes during pregnancy. Ox was calculated as the redox-weighted average of O3 and NO2. Satellite-derived normalized difference vegetation index (NDVI) was used to represent the amount of green vegetation at a 250m buffer across Ontario. Associations between total pregnancy, trimester specific, and early life exposures to ambient air pollutants and childhood diabetes incidence up to age 6 were estimated using Cox regression models.Results: 1,094 children with diabetes were identified. Each IQR increase in O3 and Ox exposures in the second trimester of pregnancy were associated with hazard ratios of 1.36 (95% CI: 1.07-1.73) and 1.45 (95% CI: 1.05-1.81), respectively. These relationships exhibited linear shapes, and exposure to greenness was found to have a protective modifying effect (p-interaction ≤ 0.04). There were no other positive associations observed for other pollutants and other time periods.Conclusions: Air pollution, especially O3 and Ox, was linked to increased diabetes risk in children. Exposure to greenness during pregnancy appeared to attenuate these associations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».