Evaluation of associations between estimates of particulate matter exposure and new onset type 2 diabetes in the REGARDS cohort
Notice bibliographique
Résumé
Abstract Background Studies of PM 2.5 and type 2 diabetes employ differing methods for exposure assignment, which could explain inconsistencies in this growing literature. We hypothesized associations between PM 2.5 and new onset type 2 diabetes would differ by PM 2.5 exposure data source, duration, and community type. Methods We identified participants of the US-based REasons for Geographic and Racial Differences in Stroke (REGARDS) cohort who were free of diabetes at baseline (2003–2007); were geocoded at their residence; and had follow-up diabetes information. We assigned PM 2.5 exposure estimates to participants for periods of 1 year prior to baseline using three data sources, and 2 years prior to baseline for two of these data sources. We evaluated adjusted odds of new onset diabetes per 5 µg/m 3 increases in PM 2.5 using generalized estimating equations with a binomial distribution and logit link, stratified by community type. Results Among 11,208 participants, 1,409 (12.6%) had diabetes at follow-up. We observed no associations between PM 2.5 and diabetes in higher and lower density urban communities, but within suburban/small town and rural communities, increases of 5 µg/m 3 PM 2.5 for 2 years (Downscaler model) were associated with diabetes (OR [95% CI] = 1.65 [1.09, 2.51], 1.56 [1.03, 2.36], respectively). Associations were consistent in direction and magnitude for all three PM 2.5 sources evaluated. Significance 1- and 2-year durations of PM 2.5 exposure estimates were associated with higher odds of incident diabetes in suburban/small town and rural communities, regardless of exposure data source. Associations within urban communities might be obfuscated by place-based confounding.
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 | 0,020 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».