MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411188488 · doi:10.1186/s12889-025-23380-1

Exposure–response relationship of household air pollution on body mass index among women in rural areas of Guatemala, India, Peru and Rwanda: household air pollution intervention network trial

2025· article· en· W4411188488 sur OpenAlexaff
Adolphe Ndikubwimana, William Checkley, Yunyun Chen, Thomas Clasen, Carmen Lucía Contreras, Anaité Díaz-Artiga, Ephrem Dusabimana, Lisa de las Fuentes, Shirin Jabbarzadeh, Michael Johnson, Egide Kalisa, Patrick Karakwende, Miles A. Kirby, Amy Lovvorn, John P. McCracken, Florien Ndagijimana, Théoneste Ntakirutimana, Jean Dieu Ntivuguruzwa, Jennifer L. Peel, Ajay Pillarisetti, Víctor G. Dávila‐Román, Ghislaine Rosa, Sarada S. Garg, Lisa M. Thompson, Lance A. Waller, Jiantong Wang, Maggie L. Clark, Bonnie N. Young

Notice bibliographique

RevueBMC Public Health · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensWestern University
Organismes subventionnairesCommon FundNational Institute of Child Health and Human DevelopmentOffice of Strategic CoordinationU.S. Department of Health and Human ServicesNational Institutes of HealthNational Cancer InstituteFogarty International CenterNational Heart, Lung, and Blood InstituteBill and Melinda Gates Foundation
Mots-clésBiostatisticsMedicineEnvironmental healthBody mass indexPublic healthAir pollutionIndex (typography)EpidemiologySocioeconomics

Résumé

récupéré en direct d'OpenAlex

Household air pollution from burning biomass materials, the main cooking fuel in low- and middle-income countries, may be linked to metabolic dysfunction. We assessed cross-sectional associations between household air pollution and body mass index (BMI), expecting to see increased BMI with higher pollution concentrations. We analyzed data from 414 women aged 40 to 79 years who resided in the households using biomass fuel and were enrolled in the multi-country Household Air Pollution Intervention Network (HAPIN) Trial. We explored associations of 24-h average personal exposure to fine particulate matter (PM2.5), black carbon (BC), and carbon monoxide (CO) with BMI through single pollutant linear and logistic models adjusted for potential confounders (i.e., age, socioeconomic indicators, education, dietary diversity, secondhand smoke exposure, alcohol and grain consumption).Sensitivity analyses explored air pollutants as quartiles, and other variables as potential confounders, such as physical activity, enrollment site, and dietary items. We examined effect modification of research site on the associations. We observed mixed evidence of associations between household air pollution and BMI in linear regression. There was no association with BMI and PM₂.₅ (1-unit increase in log-transformed PM₂.₅ estimate 0.02 kg/m2 [95% CI: -0.51, 0.54]) or CO (1-unit increase in log-transformed CO estimate 0.42 kg/m2 [95% CI -0.31, 1.14]). However, a 1-unit increase in log-transformed BC showed an association in the opposite direction as hypothesized (BC estimate -0.59 kg/m2 [95% CI -1.17, -0.003]). Using logistic regression models, we found that only CO significantly increased the odds of overweight/obesity: a 1-unit increase in log-transformed CO led to an odds ratio of 1.66 (95% CI: 1.10, 2.51). Effect modification showed inverse association between BC exposure and BMI in Peru. Evidence suggests a significant association between CO exposure and increased odds of being overweight/obese, whereas impacts of PM2.5 and BC on BMI had null or inverse effects.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,052
Tête enseignante GPT0,306
Écart entre enseignants0,254 · 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'étudeEssai non randomisé
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 revueBMC Public Health→Même sujetAir Quality and Health Impacts→Travaux en français237 207→