Impact of extreme ambient temperatures on low birth weight: Insights from empirical findings in Pakistan
Notice bibliographique
Résumé
BACKGROUND: Exposure to extreme ambient temperatures during pregnancy, including both heat and cold, can lead to complications such as preterm births, low birth weight (LBW), and developmental anomalies. These exposures pose immediate health risks to both mother and child and may exacerbate health disparities across future generations. OBJECTIVE: Pakistan, with limited health resources, is particularly vulnerable to the impacts of extreme temperatures. This study aimed to quantify the association between heat and cold exposure and LBW in Pakistan. DESIGN: Space-time-series study design. METHODS: We analysed 17,077 birth records from 10 datasets from the Multi-Indicator Cluster Surveys and 1 from the Pakistan Demographic and Health Surveys, covering monthly LBW cases from January 2008 to December 2017. These data were linked to monthly heat index estimates, derived from temperature and humidity, from Copernicus ERA5-Land, aggregated at the provincial level. We used a space-time-series study design with quasi-Poisson distributed lag nonlinear regression. Models were adjusted for long-term trends, seasonality, and socio-economic factors, including maternal education, wealth index and rural residence. We estimated the cumulative risk of LBW associated with heat and cold, individual lag effects and the attributable fraction of LBW cases due to temperature exposure. RESULTS: = 4444) of total birth records. The overall exposure-response relationship indicated a positive association between LBW and extreme heat; however, the estimates were imprecise and included the null. At lag 0 (month of conception), there was evidence of increased risk during periods of moderate heat (90th percentile: relative risk (RR) 1.70; 95% confidence interval (CI): 1.01, 2.87) and extreme heat (99th percentile: RR 1.93; 95% CI: 1.00, 3.71). The heat-related attributable fraction for LBW ranged from 0.34 to 0.42 across provinces. In contrast, no association was found between LBW and cold exposure. CONCLUSIONS: This study contributes to the existing body of evidence of the association between extreme temperatures and LBW, particularly from a low-resource, highly vulnerable country. Notably, we found a positive association between heat exposure and LBW during the first month of pregnancy (lag 0), suggesting that early gestation may be a critical period of vulnerability.
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 | 0,001 |
| 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 | 0,000 | 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 ».