Particulate matter air pollution and COVID-19 infection, severity, and mortality: A systematic review
Notice bibliographique
Résumé
Abstract Background and objective Ecological studies indicate ambient particulate matter ≤2.5mm (PM 2.5 ) air pollution is associated with poorer COVID-19 outcomes. However, these studies cannot account for individual heterogeneity and often have imprecise estimates of PM 2.5 exposure. We review evidence from studies using individual-level data to determine whether PM 2.5 increases risk of COVID-19 infection, severe disease, and death. Methods Systematic review of case-control and cohort studies, searching Medline, Embase, and WHO COVID-19 up to 30 June 2022. Study quality was evaluated using the Newcastle-Ottawa Scale. Results were pooled with a random effects meta-analysis, with Egger’s regression, funnel plots, and leave-one-out and trim-and-fill analyses to adjust for publication bias. Results N =18 studies met inclusion criteria. A 10μg/m3 increase in PM 2.5 exposure was associated with 66% (95% CI: 1.31-2.11) greater odds of COVID-19 infection (N=7) and 127% (95% CI: 1.41-3.66) increase in severe illness (hospitalisation or worse) (N=6). Pooled mortality results (N=5) were positive but non-significant (OR 1.40; 0.94 to 2.10). Most studies were rated “good” quality (14/18 studies), though there were numerous methodological issues; few used individual-level data to adjust for confounders like socioeconomic status (4/18 studies), instead using area-based indicators (12/18 studies) or not adjusting for it (3/18 studies). Most severity (9/10 studies) and mortality studies (5/6 studies) were based on people already diagnosed COVID-19, potentially introducing collider bias. Conclusion There is strong evidence that ambient PM 2.5 increases the risk of COVID-19 infection, and weaker evidence of increases in severe disease and mortality. Funding This review was completed as a Scholarly Intensive Placement project by NS, which received no funding. Competing interests The authors declare no competing interests. Registration This study was registered on PROSPERO on 8 July 2022 (CRD42022345129): https://www.crd.york.ac.uk/prospero/display_record.php?ID=CRD42022345129
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 | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,010 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».