MétaCan
Menu
Retour à la cohorte
Enregistrement W3048646151 · doi:10.3390/ijerph17165802

Household Air Pollution and Angina Pectoris in Low- and Middle-Income Countries: Cross-Sectional Evidence from the World Health Survey 2002–2003

2020· article· en· W3048646151 sur OpenAlexaff
Ishwar Tiwari, Raphael M. Herr, Adrian Loerbroks, Shelby Yamamoto

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOdds ratioAnginaMedicineOddsEnvironmental healthCross-sectional studyConfidence intervalLogistic regressionDemographyInternal medicineMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

The evidence regarding the effects of household air pollution on angina pectoris is limited in low-and middle-income countries (LMICs). We sought to examine the association between household air pollution and angina pectoris across several countries. We analyzed data of individuals from 46 selected countries participating in the cross-sectional World Health Survey (WHS) 2002-2003. Pooled and stratified (sex, continent) logistic regression with sampling weights was used to estimate adjusted odds ratios (ORs) and 95% confidence intervals (CIs) to quantify associations between the use of different household fuels with angina pectoris. In the pooled sample, we observed lower odds of angina pectoris with electricity use (OR: 0.68, 95% CI: 0.56-0.83) compared to those households reporting the use of gas as a household fuel. Increased odds of angina pectoris were observed with the use of agriculture/dung/shrub/other (OR: 1.65, 95% CI: 1.30-2.09), mixed (solid and non-solid fuels) (OR: 1.31, 95% CI: 1.09-1.56), and mixed solid fuel use (OR: 1.59, 95% CI: 1.12-2.25). Higher odds of angina pectoris were observed mainly with solid fuel use. The results highlight the importance of addressing these issues, especially in regions with a high proportion of solid fuel users and increasing levels of cardiovascular disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,030
Score d'incertitude au seuil0,745

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,124
Tête enseignante GPT0,365
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetEnergy and Environment ImpactsTravaux en français237 207