Long-term exposure to traffic-related air pollution and non-accidental mortality: A systematic review and meta-analysis
Notice bibliographique
Résumé
The health effects of traffic-related air pollution (TRAP) continue to be of important public health interest across the globe. Following its 2010 review, the Health Effects Institute appointed a new expert Panel to systematically evaluate the epidemiological evidence regarding the associations between long-term exposure to TRAP and selected health outcomes. This paper describes the main findings of the systematic review on non-accidental mortality. The Panel used a systematic approach to conduct the review. An extensive search was conducted of literature published between 1980 and 2019. A new exposure framework was developed to determine whether a study was sufficiently specific to TRAP, which included studies beyond the near-roadway environment. We performed random-effects meta-analysis when at least three estimates were available of an association between a specific exposure and outcome. We evaluated confidence in the evidence using a modified Office of Health Assessment and Translation (OHAT) approach, supplemented with a broader narrative synthesis. Thirty-six cohort studies were included. Virtually all studies adjusted for a large number of individual and area-level covariates—including smoking, body mass index, and individual and area-level socioeconomic status—and were judged at a low or moderate risk for bias. Most studies were conducted in North America and Europe, and a few were based in Asia and Australia. The meta-analytic summary estimates for nitrogen dioxide, elemental carbon and fine particulate matter—pollutants with more than 10 studies—were 1.04 (95% CI 1.01, 1.06), 1.02 (1.00, 1.04) and 1.03 (1.01, 1.05) per 10, 1 and 5 µg/m3, respectively. Effect estimates are interpreted as the relative risk of mortality when the exposure differs with the selected increment. The confidence in the evidence for these pollutants was judged as high, because of upgrades for monotonic exposure–response and consistency across populations. The consistent findings across geographical regions, exposure assessment methods and confounder adjustment resulted in a high confidence rating using a narrative approach as well. The overall confidence in the evidence for a positive association between long-term exposure to TRAP and non-accidental mortality was high.
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 | 0,023 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,041 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».