Effect of Particulate Matter Exposure on Respiratory Health of e-Waste Workers at Agbogbloshie, Accra, Ghana
Notice bibliographique
Résumé
Background: Direct and continuous exposure to particulate matter (PM), especially in occupational settings is known to impact negatively on respiratory health and lung function. Objective: To determine the association between concentrations of PM (2.5, 2.5–10 and 10 µm) in breathing zone and lung function of informal e-waste workers at Agbogbloshie. Methods: To evaluate lung function responses to PM (2.5, 2.5–10 and 10 µm), we conducted a longitudinal cohort study with three repeated measures among 207 participants comprising 142 healthy e-waste workers from Agbogbloshie scrapyard and 65 control participants from Madina-Zongo in Accra, Ghana from 2017–2018. Lung function parameters (FVC, FEV1, FEV1/FVC, PEF, and FEF 25-75) and PM (2.5, 2.5–10 and 10 µm) concentrations were measured, corresponding to prevailing seasonal variations. Socio-demographic data, respiratory exposures and lifestyle habits were determined using questionnaires. Random effects models were then used to examine the effects of PM (2.5, 2.5–10 and 10 µm) on lung function. Results: The median concentrations of PM (2.5, 2.5–10 and 10 µm) were all consistently above the WHO ambient air standards across the study waves. Small effect estimates per IQR of PM (2.5, 2.5–10 and 10 µm) on lung function parameters were observed even after adjustment for potential confounders. However, a 10 µg increase in PM (2.5, 2.5–10 and 10 µm) was associated with decreases in PEF and FEF 25–75 by 13.3% % [β = −3.133; 95% CI: −0.243, −0.022) and 26.6% [β = −0.266; 95% CI: −0.437, 0.094]. E-waste burning and a history of asthma significantly predicted a decrease in PEF by 14.2% [β = −0.142; 95% CI: −0.278, −0.008) and FEV1 by 35.8% [β = −0.358; 95% CI: −0.590, 0.125] among e-waste burners. Conclusions: Direct exposure of e-waste workers to PM predisposes to decline in lung function and risk for small airway diseases such as asthma and COPD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».