MétaCan
Menu
Retour à la cohorte
Enregistrement W4210774513 · doi:10.1097/ee9.0000000000000195

Ecological studies of COVID-19 and air pollution: How useful are they?

2022· article· en· W4210774513 sur OpenAlexaff

Notice bibliographique

RevueEnvironmental Epidemiology · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensMcGill UniversityMcGill University Health CentreCarleton University
Organismes subventionnairesnon disponible
Mots-clésSpurious relationshipAir pollutionPollutionWork (physics)

Résumé

récupéré en direct d'OpenAlex

Background: Results from ecological studies have suggested that air pollution increases the risk of developing and dying from COVID-19. Drawing causal inferences from the measures of association reported in ecological studies is fraught with challenges given biases arising from an outcome whose ascertainment is incomplete, varies by region, time, and across sociodemographic characteristics, and cannot account for clustering or within-area heterogeneity. Through a series of analyses, we illustrate the dangers of using ecological studies to assess whether ambient air pollution increases the risk of dying from, or transmitting, COVID-19. Methods: We performed an ecological analysis in the continental United States using county-level ambient concentrations of fine particulate matter (PM 2.5 ) between 2000 and 2016 and cumulative COVID-19 mortality counts through June 2020, December 2020, and April 2021. To show that spurious associations can be obtained in ecological data, we modeled the association between PM 2.5 and the prevalence of human immunodeficiency virus (HIV). We fitted negative binomial models, with a logarithmic offset for county-specific population, to these data. Natural cubic splines were used to describe the shape of the exposure-response curves. Results: Our analyses revealed that the shape of the exposure-response curve between PM 2.5 and COVID-19 changed substantially over time. Analyses of COVID-19 mortality through June 30, 2021, suggested a positive linear relationship. In contrast, an inverse pattern was observed using county-level concentrations of PM 2.5 and the prevalence of HIV. Conclusions: Our analyses indicated that ecological analyses are prone to showing spurious relationships between ambient air pollution and mortality from COVID-19 as well as the prevalence of HIV. We discuss the many potential biases inherent in any ecological-based analysis of air pollution and COVID-19.

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)0,005
score de la tête « metaresearch » (Gemma)0,030
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
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 enseignants0,385
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
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 Opus0,332
Tête enseignante GPT0,425
Écart entre enseignants0,093 · 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.

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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental EpidemiologyMême sujetCOVID-19 epidemiological studiesTravaux en français237 207