Rural environment, pesticide exposure and the risk of amyotrophic lateral sclerosis: a meta analysis
Notice bibliographique
Résumé
Objective To explore the relationship between the risk of amyotrophic lateral sclerosis (ALS) and exposure to rural environments and pesticide. Methods Studies relevant to rural residence, farmer occupation, pesticide exposure and ALS were identified from the databases including Embase, Ovid Medline, Pubmed, Cochrane Library, Wanfang data, Chinese BioMedical Literature Database, Chinese National Knowledge Infrastructure, China Science and Technology Journal Database up to March 2015.Quality of studies was assessed according to the Newcastle-Ottawa Scale (NOS). Analysis of data and publication bias was performed with software Revman 5.3. Results A total of 24 case-control studies and 3 cohort studies were included into the analysis.The NOS scores of all studies were ≥6. The risk of ALS was associated with pesticide exposure (OR=1.41, 95% CI 1.28-1.56) and farmer occupation (OR=1.42, 95% CI 1.29-1.57), but not associated with rural residence (OR=1.21, 95% CI 0.97-1.51). Subgroup analysis of pesticide exposure and ALS revealed that males (OR=1.75, 95% CI 1.39-2.21) had a higher risk than females (OR=1.53, 95% CI 1.13-2.08), and the risk estimate was higher in studies using El Escorial standard (OR=1.68, 95% CI 1.45-1.95) than studies not (OR=1.23, 95% CI 1.08-1.40). The meta analysis had a slight publication bias. Conclusions Our findings support pesticide exposure might increase the risk of ALS. Given that farmers always have high levels of pesticide exposure in their work, they should decrease their exposure level or take proper precautions to lower the risk of ALS. Key words: Amyotrophic lateral sclerosis; Pesticide residues; Risk factors; Environmental exposure; Meta-analysis
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».