Maternal exposure to fine particulate matter and preterm birth and low birth weight in Africa
Notice bibliographique
Résumé
Fine particulate matter (PM2.5) exposure has been reported to adversely affect birth outcomes, but the evidence is limited, particularly in low- and middle-income countries (LMICs). We assessed the associations between maternal PM2.5 exposure and low birth weight (LBW) and preterm birth (PTB) in Africa. We used standard Demographic and Health Surveys (DHS) data (2005–2015) from 15 countries in Africa to conduct a cross-sectional study. The study population was composed of 131,594 births with detailed information on maternal and household variables. LBW was defined as a birth weight of < 2500 g after 37 weeks, and PTB was defined as live birth occurring before 37 weeks of gestation. Average exposure to PM2.5 during pregnancy was estimated using satellite-based models. Multivariable logistic regression models were constructed, and analyses of data by region (Western, Eastern, Central, and Southern Africa) and data stratified by potential effect modifiers were conducted. A total of 13,214 (10%) LBW and 4,377 (3.3%) PTB cases were identified. An interquartile range (IQR) (33.9 μg/m3) increase in PM2.5 during pregnancy was associated with increased odds of LBW and PTB, with odds ratios (ORs) of 1.28 (95% CI: 1.23, 1.34) and 1.08 (95% CI: 1.01, 1.16), respectively. Region-specific analyses revealed significant associations between PM2.5 and LBW in all regions, and significant associations between PM2.5 and PTB in Western and Southern Africa. Subgroup analyses revealed that the association between PM2.5 and LBW was present in all subgroups, and stronger associations were observed in female infants, while the association between PM2.5 and PTB was larger in subgroups of older individuals living in urban areas. This multicountry study in Africa demonstrated significant associations between maternal exposure to PM2.5 and higher odds of LBW and PTB. Our findings may facilitate air quality control strategies that address adverse birth outcomes in LMICs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».