MétaCan
Menu
Retour à la cohorte
Enregistrement W349774747 · doi:10.1016/j.envres.2015.04.018

Metals exposure and risk of small-for-gestational age birth in a Canadian birth cohort: The MIREC study

2015· article· en· W349774747 sur OpenAlexafffundabout
Shari Thomas, Tye E. Arbuckle, Mandy Fisher, William D. Fraser, Adrienne S. Ettinger, Will D. King

Notice bibliographique

RevueEnvironmental Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Exposure and Toxicity
Établissements canadiensUniversité de MontréalHealth CanadaQueen's University
Organismes subventionnairesNational Institute of Environmental Health SciencesCanadian Institutes of Health ResearchHealth CanadaPublic Health Agency of Canada
Mots-clésCohortCohort studyMedicineGestational ageEnvironmental healthObstetricsSmall for gestational ageDemographyPremature birthPregnancyBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Lead, mercury, cadmium and arsenic are some of the most common toxic metals to which Canadians are exposed. The effect of exposure to current low levels of toxic metals on fetal growth restriction is unknown. OBJECTIVE: The aim of this study was to examine relationships between exposure to lead, mercury, cadmium and arsenic during pregnancy, and risk of small for gestational age (SGA) birth. METHODS: Lead, mercury, cadmium and arsenic levels were measured in blood samples from the first and third trimesters in 1835 pregnant women from across Canada. Arsenic species in first trimester urine were also assessed. Relative risks and 95% confidence intervals were estimated using log binomial multivariate regression. Important covariates including maternal age, parity, pre-pregnancy BMI, and smoking, were considered in the analysis. An exploratory analysis was performed to examine potential effect modification of these relationships by single nucleotide polymorphisms (SNPs) in GSTP1 and GSTO1 genes. RESULTS: No association was found between blood lead, cadmium or arsenic and risk for SGA. We observed an increased risk for SGA for the highest compared to the lowest tertile of exposure for mercury (>1.6 µg/L, RR=1.56.; 95% CI=1.04-2.58) and arsenobetaine (>2.25 µg/L, RR=1.65; 95% CI=1.10-2.47) after adjustment for the effects of parity and smoking. A statistically significant interaction was observed in the relationship between dimethylarsinic acid (DMA) levels in urinary arsenic and SGA between strata of GSTO1 A104A (p for interaction=0.02). A marginally significant interaction was observed in the relationship between blood lead and SGA between strata of GSTP1 A114V (p for interaction=0.06). CONCLUSIONS: These results suggest a small increase in risk for SGA in infants born to women exposed to mercury and arsenic. Given the conflicting evidence in the literature this warrants further investigation in other pregnant populations.

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)0,001
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 enseignants0,032
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,064
Tête enseignante GPT0,319
Écart entre enseignants0,255 · 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

Citations101
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental ResearchMême sujetHeavy Metal Exposure and ToxicityTravaux en français237 207