MétaCan
Menu
Retour à la cohorte
Enregistrement W3020882052 · doi:10.1186/s12940-020-00601-1

Systematic review and meta-analysis of case-crossover and time-series studies of short term outdoor nitrogen dioxide exposure and ischemic heart disease morbidity

2020· review· en· W3020882052 sur OpenAlexafffund
David M. Stieb, Carine Zheng, Dina H. Salama, Rania Berjawi, Monica Emode, Robyn Hocking, Ninon Lyrette, Carlyn J. Matz, Éric Lavigne, Hwashin Hyun Shin

Notice bibliographique

RevueEnvironmental Health · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensQueen's UniversityUniversity of British ColumbiaOttawa Public HealthUniversity of OttawaHealth Canada
Organismes subventionnairesHealth CanadaCalifornia State University, East BayUniversity of California, San FranciscoUniversity of TorontoMcGill University
Mots-clésMeta-analysisFunnel plotMedicinePublication biasOdds ratioCrossover studyMeta-regressionDemographyEnvironmental healthInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Nitrogen dioxide (NO2) is a pervasive urban pollutant originating primarily from vehicle emissions. Ischemic heart disease (IHD) is associated with a considerable public health burden worldwide, but whether NO2 exposure is causally related to IHD morbidity remains in question. Our objective was to determine whether short term exposure to outdoor NO2 is causally associated with IHD-related morbidity based on a synthesis of findings from case-crossover and time-series studies. Methods MEDLINE, Embase, CENTRAL, Global Health and Toxline databases were searched using terms developed by a librarian. Screening, data extraction and risk of bias assessment were completed independently by two reviewers. Conflicts between reviewers were resolved through consensus and/or involvement of a third reviewer. Pooling of results across studies was conducted using random effects models, heterogeneity among included studies was assessed using Cochran’s Q and I2 measures, and sources of heterogeneity were evaluated using meta-regression. Sensitivity of pooled estimates to individual studies was examined using Leave One Out analysis and publication bias was evaluated using Funnel plots, Begg’s and Egger’s tests, and trim and fill. Results Thirty-eight case-crossover studies and 48 time-series studies were included in our analysis. NO2 was significantly associated with IHD morbidity (pooled odds ratio from case-crossover studies: 1.074 95% CI 1.052–1.097; pooled relative risk from time-series studies: 1.022 95% CI 1.016–1.029 per 10 ppb). Pooled estimates for case-crossover studies from Europe and North America were significantly lower than for studies conducted elsewhere. The high degree of heterogeneity among studies was only partially accounted for in meta-regression. There was evidence of publication bias, particularly for case-crossover studies. For both case-crossover and time-series studies, pooled estimates based on multi-pollutant models were smaller than those from single pollutant models, and those based on older populations were larger than those based on younger populations, but these differences were not statistically significant. Conclusions We concluded that there is a likely causal relationship between short term NO2 exposure and IHD-related morbidity, but important uncertainties remain, particularly related to the contribution of co-pollutants or other concomitant exposures, and the lack of supporting evidence from toxicological and controlled human studies.

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)0,027
score de la tête « metaresearch » (Gemma)0,077
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,077
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0240,039
Bibliométrie0,0090,010
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,383
Écart entre enseignants0,268 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations34
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental HealthMême sujetAir Quality and Health ImpactsTravaux en français237 207