Ambient Air Pollution Associations with Retinal Morphology in the UK Biobank
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: Because air pollution has been linked to glaucoma and AMD, we characterized the relationship between pollution and retinal structure. Methods: We examined data from 51,710 UK Biobank participants aged 40 to 69 years old. Ambient air pollution measures included particulates and nitrogen oxides. SD-OCT imaging measured seven retinal layers: retinal nerve fiber layer, ganglion cell-inner plexiform layer, inner nuclear layer, outer plexiform layer + outer nuclear layer, photoreceptor inner segments, photoreceptor outer segments, and RPE. Multivariable regression was used to evaluate associations between pollutants (per interquartile range increase) and retinal thickness, adjusting for age, sex, race, Townsend deprivation index, body mass index, smoking status, and refractive error. Results: Participants exposed to greater particulate matter with an aerodynamic diameter of <2.5 µm (PM2.5) and higher nitrogen oxides were more likely to have thicker retinal nerve fiber layer (β = 0.28 µm; 95% CI, 0.22-0.34; P = 3.3 × 10-20 and β = 0.09 µm; 95% CI, 0.04-0.14; P = 2.4 × 10-4, respectively), and thinner ganglion cell-inner plexiform layer, inner nuclear layer, and outer plexiform layer + outer nuclear layer thicknesses (P < 0.001). Participants resident in areas of higher levels of PM2.5 absorbance were more likely to have thinner retinal nerve fiber layer, inner nuclear layer, and outer plexiform layer + outer nuclear layers (β = -0.16 [95% CI, -0.22 to -0.10; P = 5.7 × 10-8]; β = -0.09 [95% CI, -0.12 to -0.06; P = 2.2 × 10-12]; and β = -0.12 [95% CI, -0.19 to -0.05; P = 8.3 × 10-4], respectively). Conclusions: Greater exposure to PM2.5, PM2.5 absorbance, and nitrogen oxides were all associated with apparently adverse retinal structural features.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle