Association of maternal multi-metal exposure and dyslipidemia: a study of air pollution on pregnancy outcomes
Notice bibliographique
Résumé
Exposure to air pollutants, including heavy metals, is a major environmental concern of public health and these environmental toxicants have been associated with pregnancy complications. An air pollution on pregnancy outcome (APPO) study was performed to investigate the adverse effects of fine particulate matter (PM 2.5 ) exposure on pregnancy outcomes. This study examined the association between maternal urinary metal mixtures and pregnancy complications, including dyslipidemia and preterm birth (PTB). The concentrations of 16 metals were measured in 60 urine samples collected during the second trimester pregnancy. Logistic regression and Bayesian kernel machine regression (BKMR) models were used to analyze the single and overall effects of metal exposure on pregnancy complications, respectively. Logistic regression analysis showed a significant difference in urinary Ni and Zn concentrations between those exposed to high and low concentrations of fine particulate matter with an aerodynamic diameter of less than 2.5 µm (PM 2.5 ) and those not exposed. Four metals (Ni, Sc, Mo, and Cs) were positively associated with total cholesterol (TC) levels, but not with triglyceride (TG) levels and PTB. The BKMR model showed that the overall mixture of 16 metals was positively correlated with high TC and TG levels during the third trimester of pregnancy, and the individual effects of Mo and Pb were the most significant. However, we were only able to identify a trend between maternal exposure to metal mixtures and PTB. BKMR analyses showed a positive association between exposure to multi-metal mixtures and higher maternal TC and TG levels, a factor that contributes to PTB. Therefore, this also suggests that multi-metal exposure during pregnancy may be a potential risk factor for PTB.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 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 ».