Exposure to household and outdoor air pollution and fasting plasma glucose as a marker of diabetes risk in Chinese adults
Notice bibliographique
Résumé
Background and Aim: Household air pollution (HAP) from solid fuel stoves is a widespread environmental exposure. Exposure to outdoor air pollution can increase risk of diabetes but studies of HAP and diabetes are limited. Methods: We modelled the relation of personal exposure to two HAP components – fine particulate matter (P2.5) and black carbon (BC), and stationary measures of outdoor PM2.5, with fasting plasma glucose (FPG) as a marker of diabetes risk in a cross-sectional study of 663 adults (40-79 years) in three provinces of China. We applied linear mixed regression models with a village-level random intercept to assess associations between pollutants and FPG levels in the same season as blood collection (winter) and for annual weighted mean exposure estimated across two seasons, adjusted for covariates. Results: We observed higher FPG (mmol/L) with winter outdoor PM2.5 (2.4%, 95% CI 0.2 to 4.5% per 100µg/m3 increase), driven by an increase in the southern non-heating province of Guangxi (10.5%, 95% CI -2.6% to 23.6% per 100µg/m3 increase). We observed higher FPG in association with winter and annual outdoor PM2.5 among participants with no hypertension and among those with BMI below the median (<25.1kg/m2). We found no association with winter or annual personal PM2.5 and BC exposures, however in sub-group analyses excluding those taking diabetes treatment, we found higher FPG levels with personal winter BC exposure (0.8%, 95% CI -0.2% to 1.7% per 1µg/m3 increase), an association that was stronger among participants with a BMI below the median (1.9%, 95% CI 0.7% to 3.1% per 1µg/m3 increase). Conclusions: We found some evidence of detrimental associations between air pollutants and FPG levels. Longitudinal investigations of HAP exposure and markers of diabetes risk are needed in settings where solid fuels are an important energy source for cooking and heating. Keywords: air pollution, diabetes
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».