Prenatal and early-life exposure to traffic-related air pollution and allergic rhinitis in children: A systematic literature review
Notice bibliographique
Résumé
BACKGROUND: Traffic-related air pollution (TRAP) is hypothesised to play a role in the development of allergic rhinitis (AR). Prenatal and early-life exposure to traffic-related air pollution is considered critical for later respiratory health. However, we could not find any articles systematically reviewing the risk of prenatal and early-life exposure to traffic-related air pollution for allergic rhinitis in children. METHODS: A systematic literature search of PubMed, Web of Science and Medline was conducted to identify studies focused on the association between prenatal and early-life exposure to TRAP and AR in children. Other inclusion criteria were: 1) original articles; 2) based upon prospective or retrospective studies or case-control studies; and 3) publications were restricted to English. Literature quality assessment was processed using the Newcastle-Ottawa Scale (NOS) evaluation scale. This systematic literature review has been registered on the prospero (crd.york.ac.uk/prospero) with the following registry number: CRD42022361179. RESULTS: Only eight studies met the inclusion criteria. The exposure assessment indicators included PM2.5, PM2.5 absorbance, PM10, NOx, CO, and black carbon. On the whole, exposure to TRAP during pregnancy and the first year of life were positively associated with the development of AR in children. CONCLUSIONS: This systematic review presents supportive evidence about prenatal and early-life exposure to TRAP and the risk of AR in children.
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 | 0,005 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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 ».