Fine particulate matter exposure and renal function: A population-based study among pregnant women in China
Notice bibliographique
Résumé
Fine particulate matter (PM2.5) is the most serious environmental threat worldwide. The nephrotoxicity of PM2.5 has been demonstrated in older adults, but no study has addressed the impacts of PM2.5 exposure on renal function in pregnant women, who are recognized to be vulnerable and susceptible to PM2.5 exposure. To evaluate whether exposures to PM2.5 total mass and its chemical constituents were associated with reduced renal function among pregnant women in China. We measured serum concentrations of urea nitrogen (UN), uric acid (UA) and creatinine for 10,052 pregnant women in Shanghai, China. Exposures to PM2.5 total mass and its 5 key chemical constituents during the whole pregnancy and each trimester of pregnancy was represented by satellite-based models. Exposures to PM2.5 total mass and its chemical constituents of organic matter (OM), black carbon (BC), nitrate (NO3−) and ammonium (NH4+) were positively associated with serum levels of UN and UA, and negatively associated with estimated glomerular filtration rate (eGFR). An interquartile rang (IQR) increase in PM2.5 total mass, OM, BC, NO3– and NH4+ exposure in third trimester was associated with 1.33 (β = -1.33, 95% CI, −1.79, −0.87), 1.67 (β = -1.67, 95% CI, −2.26, −1.07), 1.29 (β = -1.29, 95% CI,-1.89, −0.70), 1.16 (β = -1.16, 95% CI,-1.66, −0.65) and 0.76 (β = -0.76, 95% CI, −1.08, −0.44) mL/min/1.73 m2 decrease in eGFR, respectively. We concluded that exposures to PM2.5 during pregnancy were associated with decreased renal function among pregnant women.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».