MétaCan
Menu
Retour à la cohorte
Enregistrement W3206479165 · doi:10.1016/s2542-5196(21)00235-7

Assessing the association between lifetime exposure to greenspace and early childhood development and the mediation effects of air pollution and noise in Canada: a population-based birth cohort study

2021· article· en· W3206479165 sur OpenAlexafffundabout
Ingrid Jarvis, Zoë Davis, Hind Sbihi, Michael Bräuer, Agatha Czekajlo, Hugh Davies, Sarah E. Gergel, Martin Guhn, Michael Jerrett, Mieke Koehoorn, Tim F. Oberlander, Jason Su, Matilda van den Bosch

Notice bibliographique

RevueThe Lancet Planetary Health · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensLearning PartnershipBC Centre for Disease ControlUniversity of British Columbia
Organismes subventionnairesInstitute of Population and Public HealthCanadian Institutes of Health ResearchUniversity of British Columbia
Mots-clésMediationPopulationDemographyEnvironmental healthMedicineCohortEarly childhoodCohort studyMultilevel modelGeographyPsychologyStatistics

Résumé

récupéré en direct d'OpenAlex

Background Exposure to greenspace is associated with improved childhood development, but the pathways behind this relationship are insufficiently understood. Therefore, we aimed to investigate the association between lifetime residential exposure to greenspace and early childhood development and evaluate the extent to which this association is mediated by reductions in traffic-related air pollution and noise. Methods This population-based birth cohort study comprised singleton births in Metro Vancouver, BC, Canada, between April 1, 2000, and Dec 31, 2005. Children and mothers had to be registered with the mandatory provincial health insurance programme, Medical Services Plan, and have lived within the study area from the child's birth to the time of outcome assessment. Early childhood development was assessed via teacher ratings on the Early Development Instrument (EDI), and we used the total EDI score as the primary outcome variable. We estimated greenspace using percentage vegetation derived from spectral unmixing of annual Landsat satellite image composites. Lifetime residential exposure to greenspace was estimated as the mean of annual percentage vegetation values within 250 m of participants' residential postal codes. Multilevel modelling, adjusted for eight covariates, was used to investigate associations between greenspace exposure and EDI scores. We estimated the mediation effects of nitrogen dioxide (NO 2 ), fine particulate matter (PM 2·5 ), and noise levels using causal mediation analyses. Findings Of the 37 745 children born in Metro Vancouver between April 1, 2000, and Dec 31, 2005, 27 372 were included in our final study sample. In the adjusted model, 1 IQR increase in percentage vegetation was associated with a 0·16 (95% CI 0·04–0·28; p=0·0073) increase in total EDI score, indicating small improvements in early childhood development. We estimated that 97·1% (95% CI 43·0–396·0), 29·5% (12·0–117·0), and 35·2% (17·9–139·0) of the association was mediated through reductions in NO 2 , PM 2·5 , and noise, respectively. Interpretation Increased exposure to residential greenspace might improve childhood development by reducing the adverse developmental effects of traffic-related exposures, especially NO 2 air pollution. Our study supports the implementation of healthy urban planning and green infrastructure interventions. Funding Canadian Institutes of Health Research.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,299
Écart entre enseignants0,285 · 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'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

Citations49
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Lancet Planetary HealthMême sujetNoise Effects and ManagementTravaux en français237 207