The Relationship between Air Pollution and Brain Cancer: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: There is very little epidemiological evidence on the effects of ambient air pollution on brain tumor risk. The purpose of this study was to determine the relationship between exposure to air pollution and the incidence of brain tumors. Methods: A comprehensive literature search in five international databases, including PubMed/Medline, ProQuest, Scopus, Embase, and ISI/WOS on April 15, 2019, was conducted. The methodology of the present study was based on the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analysis) statement. The Newcastle-Ottawa Quality Assessment Form was used to evaluate the quality of the selected papers. Results: Five studies that measured adult brain tumors as well as their long-term exposure to at least one of the pollutants criteria for air pollution, PM2.5 absorbance, and proximity to traffic (Trafnear) were reviewed. The results showed that the pooled relative risk (RR) for incidence of brain tumor and long term exposure to Trafnear, PM2.5, PM2.5 absorbance, O3 and NOx were RR = 1.07, (95% CI 0.99–1.16), P = 0.079, for Trafnear; RR = 0.90, (95% CI 0.80–1.00), P = 0.064 for PM2.5; RR = 1.63, (95% CI 1.04–2.55), P = 0.031 for PM2.5 absorbance; RR = 1.3, (95% CI 1.03–1.6), P = 0.023 for O3; and RR = 1.16, (95% CI 0.93–1.45), P = 0.173 for NOx. Exposure to other air pollutants had no statistically significant association with brain tumor incidence. Conclusion: The results showed that exposure to air pollutants, such as O3 and PM2.5 absorbance, had the highest correlation with brain tumor incidence. They also showed an absence of correlation between exposure to certain pollutants (SO2, CO, NO2, PM10, PM2.5) and brain tumor incidence.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 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 tête enseignante, 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 ».