MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407286041 · doi:10.2196/62861

Long-Term Exposure to Fine Particulate Matter (PM<sub>2.5</sub>) Components and Precocious Puberty Among School-Aged Children: Cross-Sectional Study

2025· article· en· W4407286041 sur OpenAlexvenueno aff
Xuelian Zhou, Xiaochi Zhang, Guannan Bai, Guanping Dong, X. Li, Ruimin Chen, Rongxiu Zheng, Chun Lin Wang, Haiyan Wei, Bingyan Cao, Yan Liang, Hui Yao, Zhe Su, Mireguli Maimaiti, Feihong Luo, Pin Li, Min Zhu, Hongwei Du, Yu Yang, Jinling Wang, Jinna Yuan, Wei Wu, Qi Zhao, Junfen Fu

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrecocious pubertyEnvironmental healthCross-sectional studyMedicinePopulationDemographyBody mass indexPediatricsEndocrinologyHormone

Résumé

récupéré en direct d'OpenAlex

Background: The increasing incidence of precocious puberty is a major health challenge for Chinese children, while related risk factors remain less well explored. Exposure to ambient fine particulate matter (PM2.5) is a leading environmental hazard in China. Although certain components of PM2.5 have been reported to be endocrine disruptors for sex hormones, population-based evidence is still lacking on the association between PM2.5 exposure and precocious puberty in China. Objective: Based on a cross-sectional survey covering 30 cities in 2017 to 2019, this study was designed to explore the association between long-term exposure to PM2.5 and its 5 major components with precocious puberty in China and to check the potential modifying effects of family-related and personal factors. Methods: We included 34,105 children aged 6 to 9 years. We collected the 5-year average concentrations of PM2.5 and its 5 major components (sulfate, nitrate, ammonium, organic matter, and black carbon) in the area (at a spatial resolution of 0.1° × 0.1°) where each school was located. We used mixed effect logistic regression to estimate the effect sizes of the total mass of PM2.5 and each of its components on precocious puberty, and we examined the modifying effects of family-related and personal factors using an additional interactive term. A weighted quantile sum (WQS) regression model was applied to identify the weights of each component in explaining the effect size of the total mass of PM2.5. Results: We found that the odds ratio (OR) for precocious puberty per IQR increase in the concentration of total PM2.5 mass was 1.27 (95% CI 0.92-1.75) for the whole population, 2.12 (95% CI 1.27-3.55) for girls, and 0.90 (95% CI 0.62-1.30) for boys. Similarly, the effect sizes of the 5 major components were all substantial for girls but minimal for boys. Results of the WQS analysis showed that organic matter could explain the highest proportion of the effect of PM2.5, with the weight of its contribution being 0.71. Modification effects of family income and dietary habits were only observed in certain population subgroups. Conclusions: Long-term exposure to total PM2.5 mass was significantly associated with precocious puberty in girls, with organic matter identified as the major effect contributor. The results add evidence on the detrimental effects of PM2.5 on children's development and growth.

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)0,002
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,027
Tête enseignante GPT0,314
Écart entre enseignants0,287 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and Surveillance→Même sujetAir Quality and Health Impacts→Travaux en français237 207→