Maternal exposure to black carbon and nitrogen dioxide during pregnancy and birth weight: Using machine-learning methods to achieve balance in inverse-probability weights
Notice bibliographique
Résumé
Low birth weight is associated with increased risks of health problems in infancy and later life. Among the epidemiological analyses suggesting an association between air pollution and birth weight, few have estimated the effects of black carbon (BC) or together with nitrogen dioxide (NO2), and even fewer studies have used causal modelling. We examined 1,119,011 birth records between 2001/01/01 and 2015/12/31 from the Massachusetts Birth Registry to investigate causal associations between prenatal exposure to BC and NO2 and birth weight. We calculated mean residential BC and NO2 exposures 0–30, and 31–280 days prior to birth from validated spatial-temporal models. We fit generalized propensity score models with gradient boosting tuned by a new algorithm to achieve covariate balance, then fit marginal structural models with stabilized inverse-probability weights. Throughout pregnancy, the average birth weight would drop by 17.0 g (95% CI: 15.4, 18.6) for an IQR increase of 0.14 μg/m3 in BC and would independently drop by 19.9 g (95% CI: 18.6, 21.3) for an IQR increase of 9.8 ppb in NO2. Most of the negative effects of BC on birth weight are from 0 to 30 days before the delivery date. The estimated odds ratio of low birth weight for every IQR increase during the entire pregnancy was 1.131 (95% CI: 1.106, 1.156) for BC and 1.082 (95% CI: 1.062, 1.103) for NO2. We found that prenatal exposures to both BC and NO2 were associated with lower birth weight.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».