Temperature variability and birthweight: Epidemiological evidence from Africa
Notice bibliographique
Résumé
BACKGROUND: Mounting evidence supports an association between nonoptimal ambient temperatures (i.e., heat or cold) and risk of low birthweight (LBW) (<2500 g), while the effect of temperature variability (TV) is largely unknown. We aimed to quantify the association between TV and risk of LBW in Africa. METHODS: Data on birthweight in 37 countries during 1990-2020 were collected from the Demographic and Health Surveys program. We calculated overall, intraday, and interday TV during the entire pregnancy and each trimester using hourly temperatures at ∼ 9 km resolution from ERA5-Land. We employed generalized linear mixed logistic regression, with random effects for country and survey cluster, to quantify the association between LBW and three separate TV metrics. RESULTS: In total there were 33,863 (10.2%) LBW births out of 333,618 records. We found a J-shaped association between TV and LBW. Compared to the reference TV where the lowest risk was observed, extremely high (97.5th percentile) overall, intraday, and interday TV during the entire pregnancy increased the odds of LBW birth by 37.3% (26.7-48.8%), 24.1% (16.4-32.3%), and 15.1% (6.9-24.0%), respectively. In total, 7.3% of all LBW births in Africa were attributable to elevated overall TV. These associations were observed in dry climate zones, but not in tropical or temperate zones. CONCLUSIONS: Our study suggests an adverse impact of TV on the risk of LBW in Africa, according to three different TV definitions, underlining the significance of climate-health risk assessment in those most vulnerable to climate change.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».