Investigating associations between anti-nuclear antibody positivity and combined long-term exposures to NO2, O3, and PM2.5 using a Bayesian kernel machine regression approach
Notice bibliographique
Résumé
Air pollution has many adverse health effects, but the combined or synergistic effects of multiple ambient air pollutants on anti-nuclear antibodies (ANA, a serologic marker of systemic autoimmune rheumatic disease, SARDs) have never been assessed. To flexibly model ANA and individual and joint associations of long-term exposures to nitrogen dioxide (NO2), ozone (O3), and fine particles matter (PM2.5) using a Bayesian Kernel machine regression (BKMR) approach and to compare the results to those from individual logistic regressions. Serum ANA positivity was determined for randomly selected CARTaGENE general population subjects in Quebec, Canada. CARTaGENE is a public research platform created for investigating the associations of environmental, genomic, and lifestyle factors on chronic diseases. Ambient NO2, O3, and PM2.5 estimates, derived from ground-measurement and chemical-transport-model simulated concentrations, were assigned to subjects based on residential postal codes at the time of blood collection. Our models adjusted for age, sex, French Canadian origin, smoking, and family income. Concentrations of NO2, O3, and PM2.5 were closely correlated in space. In the 5485 CARTaGENE subjects studied, we did not see clear associations between NO2, PM2.5 or O3 and ANA positivity, with either the BKMR or logistic models. BKMR did not uncover associations between ANA positivity and individual levels or combined exposures of NO2, O3, and PM2.5; neither did simpler logistic models. Additional studies (in younger populations, in distinct race/ethnicity groups, and/or in jurisdictions with high air pollution levels) would be helpful to reinforce current findings.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».