MétaCan
Menu
Retour à la cohorte
Enregistrement W3016458099 · doi:10.1167/iovs.61.5.32

Ambient Air Pollution Associations with Retinal Morphology in the UK Biobank

2020· article· en· W3016458099 sur OpenAlexfundno aff
Sharon Chua, Anthony P. Khawaja, Andrew D. Dick, James P. Morgan, Baljean Dhillon, Andrew Lotery, Nicholas G. Strouthidis, Charles Reisman, Tünde Pető, Peng T. Khaw, Paul J. Foster, Praveen J. Patel

Notice bibliographique

RevueInvestigative Ophthalmology & Visual Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesMoorfields Eye CharityQueen's UniversityUniversity of BristolQueen's University BelfastCardiff UniversityNewcastle UniversityMoorfields Eye Hospital NHS Foundation TrustUniversity of OxfordUniversity of LeedsNational Institute for Health and Care ResearchUniversity College LondonHelen Hamlyn TrustKingston UniversityNottingham University Hospitals NHS TrustUniversity of NottinghamUniversity of East AngliaUniversity of SouthamptonKing's College Hospital NHS Foundation TrustKing's College LondonUniversity of Dundee
Mots-clésOuter nuclear layerOuter plexiform layerInner plexiform layerNerve fiber layerInner nuclear layerGanglion cell layerRetinalInterquartile rangeOphthalmologyMaterials scienceChemistryMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,356
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInvestigative Ophthalmology & Visual ScienceMême sujetAir Quality and Health ImpactsTravaux en français237 207