Prenatal Exposure to Specific PM<sub>2.5</sub> Chemical Constituents and Preterm Birth in China: A Nationwide Cohort Study
Notice bibliographique
Résumé
Exposure to fine particulate matter (PM2.5) during pregnancy has been associated with preterm birth (PTB). However, the existing evidence is inconsistent, and the roles of specific PM2.5 chemical constituents remain unclear. Based on the China Labor and Delivery Survey, we included birth data from 89 hospitals in 25 provinces in mainland China, and conducted a national multicenter cohort study to examine the associations of PM2.5 and its chemical constituents with PTB risk in China. We applied satellite-based models to predict prenatal PM2.5 mass and six main component exposure. Multilevel logistic regression analysis was used to examine the associations, controlling for sociodemographic characteristics, seasonality, and spatial variation. We observe an increased PTB risk with an increase in PM2.5 mass and the most significant association is found during the third trimester when the adjusted odds ratio (OR) per interquartile range increases in PM2.5 total mass is 1.12 (95% confidence Interval, CI: 1.05–1.20). Infants conceived by assisted reproductive technology (ART) show greater PTB risk associated with PM2.5 exposure (OR = 1.33, 95% CI: 1.05–1.69) than those conceived naturally (OR = 1.11, 95% CI: 1.03–1.19). We also find black carbon, sulfate, ammonium and nitrate, often linked to fossil combustion, have comparable or larger estimates of the effect (OR = 1.07–1.14) than PM2.5. Our findings provide evidence that components mainly from fossil fuel combustion may have a perceptible influence on increased PTB risk associated with PM2.5 exposure in China. Additionally, compared to natural conception, conception through ART may be more susceptible to PM2.5 exposure.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».