Fine particulate matter air pollution and anti-nuclear antibodies
Notice bibliographique
Résumé
OBJECTIVES: Air pollution has been increasingly linked to systemic autoimmune rheumatic diseases (SARDs), but studies regarding fine particulate matter (PM2.5) and SARD-related serological biomarkers are limited. We aimed to assess the association between exposure to ambient PM2.5 and ANA in the general population. METHODS: Serum samples of 3548 subjects (collected between 2010 and 2013) were randomly selected from the Ontario Health Study general population cohort. We examined ANA titres using indirect immunofluorescence assay on HEp-2 cells. Annual average ambient PM2.5 levels (estimated by satellite images and a chemical transport model) for the 5-year period before sera collection were assigned based on subjects' six-character residential postal codes. We used multivariable logistic regression models to compute odds ratios (ORs) for ANA positivity by separately setting ambient PM2.5 exposure as a continuous and a categorical variable, adjusting for basic socio-demographic factors, smoking status and urban-rural status. RESULTS: Comparing the highest vs lowest quartile of PM2.5 exposure, the ORs for ANA titres ≥1:640 and ≥1:1280 were 1.46 (95% CI: 1.02, 2.10) and 1.54 (95% CI: 1.06, 2.60) respectively. Although ORs were also positive for lower titres (i.e. ≥1:160 and ≥1:320), their CIs included unity. When PM2.5 was set as a continuous variable, the OR (always >1.00) was increased as the ANA titre increased but CIs always contained unity at any titre thresholds. CONCLUSIONS: PM2.5 exposure was associated with ANA positivity at high titres. This strengthens the argument for systemic immune system effects of air pollution, which could in turn lead to autoimmune diseases.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,003 | 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 ».