MétaCan
Menu
Retour à la cohorte
Enregistrement W4383187456 · doi:10.1192/bjo.2023.507

Air quality and mental health: evidence, challenges and future directions

2023· article· en· W4383187456 sur OpenAlexafffund
Kamaldeep Bhui, Joanne B. Newbury, Rachel M. Latham, Marcella Ucci, Zaheer Ahmad Nasir, Briony Turner, Catherine O’Leary, Helen L. Fisher, Emma L. Marczylo, Philippa Douglas, Stephen Stansfeld, Simon K. Jackson, Sean Tyrrel, Andrey Rzhetsky, Rob Kinnersley, Prashant Kumar, Caroline Duchaine, Frédéric Coulon

Notice bibliographique

RevueBJPsych Open · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversité Laval
Organismes subventionnairesEconomic and Social Research CouncilMedical Research CouncilOxford Health NHS Foundation TrustNational Centre for Earth ObservationUniversité LavalInstitute of Psychiatry, Psychology and Neuroscience, King’s College LondonUniversity of SurreyUniversity of ReadingNatural Environment Research CouncilUniversity of OxfordWellcome TrustUniversity College LondonQueen Mary University of LondonNational Institute for Health and Care ResearchBarts CharityUniversity of BristolCranfield UniversitySight Research UKInstitut universitaire de cardiologie et de pneumologie de Québec, Université LavalKing's College LondonEngineering and Physical Sciences Research CouncilUK Research and InnovationUniversity of LeicesterUniversity of Chicago
Mots-clésMental healthPsychological interventionEnvironmental healthExposomeAir quality indexIndoor bioaerosolIndoor air qualityAir pollutionEnvironmental planningPsychologyMedicineGeographyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Poor air quality is associated with poor health. Little attention is given to the complex array of environmental exposures and air pollutants that affect mental health during the life course. AIMS: We gather interdisciplinary expertise and knowledge across the air pollution and mental health fields. We seek to propose future research priorities and how to address them. METHOD: Through a rapid narrative review, we summarise the key scientific findings, knowledge gaps and methodological challenges. RESULTS: There is emerging evidence of associations between poor air quality, both indoors and outdoors, and poor mental health more generally, as well as specific mental disorders. Furthermore, pre-existing long-term conditions appear to deteriorate, requiring more healthcare. Evidence of critical periods for exposure among children and adolescents highlights the need for more longitudinal data as the basis of early preventive actions and policies. Particulate matter, including bioaerosols, are implicated, but form part of a complex exposome influenced by geography, deprivation, socioeconomic conditions and biological and individual vulnerabilities. Critical knowledge gaps need to be addressed to design interventions for mitigation and prevention, reflecting ever-changing sources of air pollution. The evidence base can inform and motivate multi-sector and interdisciplinary efforts of researchers, practitioners, policy makers, industry, community groups and campaigners to take informed action. CONCLUSIONS: There are knowledge gaps and a need for more research, for example, around bioaerosols exposure, indoor and outdoor pollution, urban design and impact on mental health over the life course.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,065
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,004
Communication savante0,0060,007
Science ouverte0,0020,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,281
Tête enseignante GPT0,463
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations110
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBJPsych OpenMême sujetAir Quality and Health ImpactsTravaux en français237 207