MétaCan
Menu
Retour à la cohorte
Enregistrement W4391656306 · doi:10.1016/j.envint.2024.108486

Subpopulations of children with multiple chronic health outcomes in relation to chemical exposures in the ECHO-PATHWAYS consortium

2024· article· en· W4391656306 sur OpenAlexfundno aff
Drew B. Day, Kaja Z. LeWinn, Catherine J. Karr, Christine T. Loftus, Kecia N. Carroll, Nicole R. Bush, Qi Zhao, Emily S. Barrett, Shanna H. Swan, Ruby H.N. Nguyen, Leonardo Trasande, Paul E. Moore, Ako Adams Ako, Nan Ji, Chang Liu, Adam A. Szpiro, Sheela Sathyanarayana

Notice bibliographique

RevueEnvironment International · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensnon disponible
Organismes subventionnairesDuke Clinical Research InstituteNational Center for Advancing Translational SciencesNIH Office of the DirectorNational Heart, Lung, and Blood InstituteNational Institute of Environmental Health SciencesCanadian Institutes of Health ResearchJohns Hopkins Bloomberg School of Public HealthNational Institutes of HealthJohns Hopkins University
Mots-clésWheezeAsthmaMedicineOdds ratioQuartileLogistic regressionOddsCluster (spacecraft)Psychological interventionEnvironmental healthDemographyConfidence intervalPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

A multimorbidity-focused approach may reflect common etiologic mechanisms and lead to better targeting of etiologic agents for broadly impactful public health interventions. Our aim was to identify clusters of chronic obesity-related, neurodevelopmental, and respiratory outcomes in children, and to examine associations between cluster membership and widely prevalent chemical exposures to demonstrate our epidemiologic approach. Early to middle childhood outcome data collected 2011-2022 for 1092 children were harmonized across the ECHO-PATHWAYS consortium of 3 prospective pregnancy cohorts in six U.S. cities. 15 outcomes included age 4-9 BMI, cognitive and behavioral assessment scores, speech problems, and learning disabilities, asthma, wheeze, and rhinitis. To form generalizable clusters across study sites, we performed k-means clustering on scaled residuals of each variable regressed on study site. Outcomes and demographic variables were summarized between resulting clusters. Logistic weighted quantile sum regressions with permutation test p-values associated odds of cluster membership with a mixture of 15 prenatal urinary phthalate metabolites in full-sample and sex-stratified models. Three clusters emerged, including a healthier Cluster 1 (n = 734) with low morbidity across outcomes; Cluster 2 (n = 192) with low IQ and higher levels of all outcomes, especially 0.4-1.8-standard deviation higher mean neurobehavioral outcomes; and Cluster 3 (n = 179) with the highest asthma (92 %), wheeze (53 %), and rhinitis (57 %) frequencies. We observed a significant positive, male-specific stratified association (odds ratio = 1.6; p = 0.01) between a phthalate mixture with high weights for MEP and MHPP and odds of membership in Cluster 3 versus Cluster 1. These results identified subpopulations of children with co-occurring elevated levels of BMI, neurodevelopmental, and respiratory outcomes that may reflect shared etiologic pathways. The observed association between phthalates and respiratory outcome cluster membership could inform policy efforts towards children with respiratory disease. Similar cluster-based epidemiology may identify environmental factors that impact multi-outcome prevalence and efficiently direct public policy efforts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,269
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment InternationalMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207