MétaCan
Menu
Retour à la cohorte
Enregistrement W4206838707 · doi:10.1371/journal.pmed.1003718

Ambient and household PM2.5 pollution and adverse perinatal outcomes: A meta-regression and analysis of attributable global burden for 204 countries and territories

2021· review· en· W4206838707 sur OpenAlexaff
Rakesh Ghosh, Kate Causey, Katrin Burkart, Sara Wozniak, Aaron Cohen, Michael Bräuer

Notice bibliographique

RevuePLoS Medicine · 2021
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésMedicineEnvironmental healthLow birth weightChecklistMeta-analysisBirth weightDemographyCohort studyDisease burdenPediatricsPregnancyPopulationInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Particulate matter <2.5 micrometer (PM2.5) is associated with adverse perinatal outcomes, but the impact on disease burden mediated by this pathway has not previously been included in the Global Burden of Disease (GBD), Mortality, Injuries, and Risk Factors studies. We estimated the global burden of low birth weight (LBW) and preterm birth (PTB) and impacts on reduced birth weight and gestational age (GA), attributable to ambient and household PM2.5 pollution in 2019. METHODS AND FINDINGS: We searched PubMed, Embase, and Web of Science for peer-reviewed articles in English. Study quality was assessed using 2 tools: (1) Agency for Healthcare Research and Quality checklist; and (2) National Institute of Environmental Health Sciences (NIEHS) risk of bias questions. We conducted a meta-regression (MR) to quantify the risk of PM2.5 on birth weight and GA. The MR, based on a systematic review (SR) of articles published through April 4, 2021, and resulting uncertainty intervals (UIs) accounted for unexplained between-study heterogeneity. Separate nonlinear relationships relating exposure to risk were generated for each outcome and applied in the burden estimation. The MR included 44, 40, and 40 birth weight, LBW, and PTB studies, respectively. Majority of the studies were of retrospective cohort design and primarily from North America, Europe, and Australia. A few recent studies were from China, India, sub-Saharan Africa, and South America. Pooled estimates indicated 22 grams (95% UI: 12, 32) lower birth weight, 11% greater risk of LBW (1.11, 95% UI: 1.07, 1.16), and 12% greater risk of PTB (1.12, 95% UI: 1.06, 1.19), per 10 μg/m3 increment in ambient PM2.5. We estimated a global population-weighted mean lowering of 89 grams (95% UI: 88, 89) of birth weight and 3.4 weeks (95% UI: 3.4, 3.4) of GA in 2019, attributable to total PM2.5. Globally, an estimated 15.6% (95% UI: 15.6, 15.7) of all LBW and 35.7% (95% UI: 35.6, 35.9) of all PTB infants were attributable to total PM2.5, equivalent to 2,761,720 (95% UI: 2,746,713 to 2,776,722) and 5,870,103 (95% UI: 5,848,046 to 5,892,166) infants in 2019, respectively. About one-third of the total PM2.5 burden for LBW and PTB could be attributable to ambient exposure, with household air pollution (HAP) dominating in low-income countries. The findings should be viewed in light of some limitations such as heterogeneity between studies including size, exposure levels, exposure assessment method, and adjustment for confounding. Furthermore, studies did not separate the direct effect of PM2.5 on birth weight from that mediated through GA. As a consequence, the pooled risk estimates in the MR and likewise the global burden may have been underestimated. CONCLUSIONS: Ambient and household PM2.5 were associated with reduced birth weight and GA, which are, in turn, associated with neonatal and infant mortality, particularly in low- and middle-income countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,824

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,142
Tête enseignante GPT0,384
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations216
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetAir Quality and Health ImpactsTravaux en français237 207