Air Pollution Exposure and COVID-19 Outcomes: A Systematic Review and Meta-analysis of Short- and Long-term Effects
Notice bibliographique
Résumé
Our objective was to determine the relationship between short-term and long-term exposure to air pollution and COVID-19 mortality and morbidity through a systematic review and meta-analysis. To do so, Scopus, PubMed, and Web of Science databases were searched for original studies up to February 1, 2023. Observational studies reporting risk estimates for the association between air pollution exposure and COVID-19 outcomes were included. The methodological quality of the selected articles was assessed using the Newcastle-Ottawa scale (NOS). Pooled estimates were calculated using a random effects model. We employed the I² statistic and chi-square test to assess heterogeneity among studies. Egger’s and Begg’s tests were used to evaluate potential publication bias. A total of 2823 articles were identified in the initial database search. After screening, 12 studies met the inclusion criteria and were included in the meta-analysis. The results indicated a significant association between PM10 and O3 exposure and COVID-19 mortality, with relative risks of 1.02 (95% confidence interval: 1.01 to 1.04) and 1.09 (95% confidence interval: 1.04 to 1.14), respectively. Our meta-analysis suggests that exposure to O3 and PM10 is associated with an increased risk of COVID-19 mortality. Additionally, the study found a significant link between exposure to NO2 , PM2.5, and PM10 and increased COVID-19 mortality, with PM2.5 showing the strongest association. These findings underscore the need for effective policies to mitigate the health impacts of air pollution and highlight the importance of integrated strategies to address the broader effects of climate change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,047 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».