Environmental Noise Pollution and Risk of Hypertension in Pregnancy
Notice bibliographique
Résumé
Background: A growing number of studies suggest that environmental noise pollution may impact the risk of hypertension, but the relationship during pregnancy is poorly understood. We investigated the association between environmental noise levels and preeclampsia, a hypertensive disorder of pregnancy.Methods: We undertook a retrospective cohort study of 269,263 pregnancies in Montreal, 2000-2013. Using postal codes, we assigned environmental noise pollution levels (dBA) from land use regression models to each pregnancy. We calculated odds ratios (OR) and 95% confidence intervals (CI) for the association of environmental noise with preeclampsia, adjusted for air pollutants, neighbourhood walkability, maternal age, parity, multiple pregnancy, comorbidity, socioeconomic deprivation, and year of delivery. We assessed if associations varied according to preeclampsia severity (mild and severe) and onset time (<34 and ≥34 weeks of gestation).Results: Women exposed to elevated environmental noise levels (≥65 vs. <50 dBA) had a higher prevalence of preeclampsia (37.9 vs. 27.9 per 1,000). Compared with 50 dBA, exposure to a noise level of 65 dBA was associated with 1.09 times the odds of preeclampsia (95% CI 0.99-1.20). Associations were stronger for severe preeclampsia (OR 1.29, 95% CI 1.09-1.54) and preeclampsia before 34 gestational weeks (OR 1.71, 95% CI 1.20-2.43). There was no association with mild preeclampsia and preeclampsia at ≥34 weeks.Conclusion: Environmental noise pollution may be a risk factor for preeclampsia, particularly severe or early onset preeclampsia. In light of rising levels of urban noise, these results suggest that vulnerable populations, including pregnant women, could benefit from residential noise reduction policies.
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 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 | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».