Environmental exposures contribute to respiratory and allergic symptoms among women living in the banana growing regions of Costa Rica
Notice bibliographique
Résumé
OBJECTIVES: This research evaluates whether environmental exposures (pesticides and smoke) influence respiratory and allergic outcomes in women living in a tropical, agricultural environment. METHODS: We used data from 266 mothers from the Infants' Environmental Health cohort study in Costa Rica. We evaluated environmental exposures in women by measuring seven pesticide and two polycyclic aromatic hydrocarbons metabolites in urine samples. We defined 'high exposure' as having a metabolite value in the top 75th percentile. We collected survey data on respiratory and allergic outcomes in mothers as well as on pesticides and other environmental exposures. Using logistic regression models adjusted for obesity, we assessed the associations of pesticide exposure with multiple outcomes (wheeze, doctor-diagnosed asthma, high (≥2) asthma score based on symptoms, rhinitis, eczema and itchy rash). RESULTS: Current pesticide use in the home was positively associated with diagnosed asthma (OR=1.99 (95% CI=1.05 to 3.87)). High urinary levels of 5-hydroxythiabendazole (thiabendazole metabolite) and living in a neighbourhood with frequent smoke from waste burning were associated with a high asthma score (OR=1.84 (95%CI=1.05 to 3.25) and OR=2.31 (95%CI=1.11 to 5.16), respectively). Women who worked in agriculture had a significantly lower prevalence of rhinitis (0.19 (0.01 to 0.93)), but were more likely to report eczema (OR=2.54 (95%CI=1.33 to 4.89)) and an itchy rash (OR=3.17 (95%CI=1.24 to 7.73)). CONCLUSIONS: While limited by sample size, these findings suggest that environmental exposure to both pesticides and smoke may impact respiratory and skin-related allergic outcomes in women.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».