Particulate matter air pollution and COVID-19 infection, severity, and mortality: A systematic review and meta-analysis
Notice bibliographique
Résumé
Ecological evidence links ambient particulate matter ≤2.5 mm (PM2.5) and the rate of COVID-19 infections, severity, and deaths. However, such studies are unable to account for individual-level differences in major confounders like socioeconomic status and often rely on imprecise measures of PM2.5. We conducted a systematic review of case-control and cohort studies, which rely on individual-level data, searching Medline, Embase, and the WHO COVID-19 database 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/trim-and-fill sensitivity analyses to account for publication bias. N = 18 studies met inclusion criteria. A 10 μg/m3 increase in PM2.5 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) odds of severe illness (hospitalisation, ICU admission, or requiring respiratory support) (N = 6). Pooled mortality results (N = 5) indicated increased deaths due to PM2.5 but were 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 socioeconomic status (4/18 studies), instead using area-based indicators (11/18 studies) or no such adjustments (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. There was evidence of publication bias in studies of infection (p = 0.012) but not severity (p = 0.132) or mortality (p = 0.100). While methodological limits and evidence of bias require cautious interpretation of the findings, we found compelling evidence that PM2.5 increases the risk of COVID-19 infection and severe disease, and weaker evidence of an increase in mortality risk.
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 | 0,014 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,039 |
| 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 | 0,003 | 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 ».