MétaCan
Menu
Retour à la cohorte
Enregistrement W4398768771 · doi:10.1016/j.envres.2024.119212

Linking weather and health outcomes: Examining the potential influences of weather factors and particulate matter pollution on adverse pregnancy outcomes in the Kavre district, Nepal

2024· article· en· W4398768771 sur OpenAlexafffund
Ishwar Tiwari, Joey Syer, Denise L. Spitzer, Stephen Hodgins, Suman Raj Tamrakar, Meghnath Dhimal, Shelby Yamamoto

Notice bibliographique

RevueEnvironmental Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensAlberta HealthUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaInternational Development Research Centre
Mots-clésMedicinePregnancyLogistic regressionDemographyEnvironmental healthCohort studyGestationPediatricsInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Adverse pregnancy outcomes (APOs) include stillbirth, preterm birth, and low birthweight (LBW). Studies exploring the impact of weather factors and air pollution on APOs are scarce in Nepal. We examined the impacts of prenatal exposure to temperature, precipitation, and air pollution (PM2.5) on APOs among women living in Kavre, Nepal. We conducted a hospital and rural health centres-based historical cohort study that included health facility birth records (n=1716) from the Nepali fiscal year 2017/18 through 2019/20. We linked health records to temperature, precipitation, and PM2.5 data for Kavre for the six months preceding each birth. A random intercept model was used to analyze birthweight, while a composite APO variable, was analyzed using multivariable logistic regression in relation to environmental exposures. The proportion of LBW (<2500 gm), preterm birth (babies born alive before 37 weeks of gestation), and stillbirth was 13%, 4.3%, and 1.5%, respectively, in this study. Overall, around 16% of the study participants had one or more APOs. Total precipitation (β: 0.17, 95% CI 0.01 to 0.33, p = 0.03) had a positive effect on birthweight in the wetter season. Negative effects for mean maximum (β: -33.37, 95% CI -56.68 to -10.06, p = 0.005), mean (β: -32.35, 95% CI -54.44 to -10.27, p = 0.004), and mean minimum temperature (β: -29.28, 95% CI -49.58 to -8.98, p = 0.005) on birthweight was also observed in the wetter season. A positive effect of temperature (mean maximum, mean, and mean minimum) and total precipitation on birthweight was found in the wetter season. This study emphasizes the need for future research using larger cohorts to elucidate these complex relationships in Nepal.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,054
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,114
Tête enseignante GPT0,381
Écart entre enseignants0,267 · 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'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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental ResearchMême sujetClimate Change and Health ImpactsTravaux en français237 207