Assessing the multi-dimensional effects of air pollution on maternal complications and birth outcomes: A structural equation modeling approach
Notice bibliographique
Résumé
• This study identified a dust-related metal mixture in air in South Florida and untangled the complex associations between the identified mixture, pregnancy complications, and birth outcomes. • The study emphasizes the importance of considering time windows of exposure. • Preeclampsia and gestational diabetes are mediators to the associations between metal mixture exposure and birth outcomes. This cross-sectional study aims to investigate the direct and indirect relationships between exposure to a metal mixture in air and adverse pregnancy outcomes across gestational stages. With 46,829 births in 2021 in two Florida counties and Air Quality System data, structure equation modeling was used to construct latent metal mixtures in PM 2.5 and unravel their effects on pregnancy complications (preeclampsia and gestational diabetes) and birth outcomes (low birth weight and preterm birth risks). A latent variable featuring seven metals (Aluminum, Calcium, Iron, Magnesium, Manganese, Silicon, Vanadium) was identified through the measurement model. The latent metal mixture exposure had direct effects on gestational diabetes and preterm birth (1 st trimester, 2 nd trimester), low birth weight (1 st trimester), and preeclampsia (2 nd trimester). When considering total effects, the effects on low birth weight in the 1 st trimester and on preeclampsia in 2 nd trimester were masked, and the latent metal mixture increased the low-birth-weight risk in 2 nd trimester by 2% (OR = 1.02, 95%CI = [1.00, 1.03]). This study reveals time-dependent associations between a metal mixture in PM 2.5 exposure and adverse pregnancy outcomes, highlights the need to address dust in PM2.5, and provides additional evidence for understanding the pathway of the pollution effects on fetal health.
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) | 0,000 | 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 ».