Exposure to Particulate Matter of Different Fraction Sizes and Blood Glucose in Children and Adolescents
Notice bibliographique
Résumé
PDS 67: Outdoor air pollution cardiometabolic effects, Exhibition Hall (PDS), Ground floor, August 27, 2019, 4:30 PM - 5:30 PM Background: The health effects of particulate matter (PM) air pollution on glucose metabolism have been rarely examined in children and adolescents. We investigated the associations between long-term PM exposure and blood glucose and prevalence of impaired fasting glucose in a large population of Chinese children and adolescents. Methods: In 2013, a total of 11,814 children and adolescents aged 7 to 18 years were recruited from seven provinces in China. Fasting blood sample was taken for the measurement of blood glucose. Satellite-based spatial-temporal models were used to estimate exposure to ambient submicrometer particles (PM1), fine particles (PM2.5) and thoracic particles (PM10). Cross-sectional analyses were performed using multivariable linear and logistic regression models. Results: After adjustment for a range of covariates, every 10 µg/m3 increment in PM1 and PM2.5 concentrations was associated with 0.109 [95% confidence interval (CI): 0.092,0.126] and 0.078 (95% CI: 0.063,0.093) mmol/L higher blood glucose levels, respectively. Consistently, PM1 and PM2.5 were associated with higher prevalence of impaired fasting glucose [odds ratio per 10 µg/m3 increment in PM1 and PM2.5: 1.38 (1.14, 1.65) and 1.17 (1.02, 1.36), respectively]. No significant associations were found for PM10. Conclusions: We found that long-term exposure to PM1 and PM2.5 air pollution was associated with increased levels of blood glucose and higher prevalence of impaired fasting glucose in children and adolescents. The smaller fraction size of PM, the stronger impacts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».