Association between long-term exposure to ambient PM2.5 and NO2 and cognitive function in the CARTaGENE cohort
Notice bibliographique
Résumé
Ambient air pollution is a recognized risk factor for cardiopulmonary disease, but its effects on cognition remain unclear, particularly at low exposure levels. This cross-sectional study assessed whether long-term exposure to fine particulate matter (PM 2.5 ) and nitrogen dioxide (NO 2 ) was associated with cognitive measures in the CARtaGENE cohort. The analysis included 6,659 participants aged 40-69 years from four urban areas in Quebec, Canada. Cognitive function was assessed from computerized tests of processing speed, working memory, and reasoning. Average exposures over the past 11 and 6 years were estimated by linking residential postal codes to PM 2.5 and NO 2 concentrations from satellite-based and land-use regression models, respectively. Associations with standardized cognitive scores were examined using mixed-effect models adjusted for potential confounders. Effect modification by sex, education, and smoking status was explored in subgroup analyses. Each interquartile range increase in 11-year PM 2.5 exposure was associated with slower processing speed (β = -0.079;95% CI: -0.121, -0.037). NO 2 exposure was associated with a poorer working memory (β = -0.053;95% CI: -0.11, 0.004). Both pollutants were associated with better reasoning scores (β for PM 2.5 = 0.059; 95% CI: 0.031, 0.087 and β for NO 2 = 0.108; 95% CI: 0.053, 0.164). Results were similar for the 6-year exposure window. Associations between NO 2 and working memory were modified by the smoking status and education level. Long-term exposure to low levels of ambient PM 2.5 was associated with slower reaction times and NO 2 to poorer visual working memory. Highlights : • Low-level air pollution is associated with cognitive scores in adults aged 40–69. • Long-term PM 2.5 exposure was associated with slower processing speed. • Long-term NO 2 exposure was associated with poorer visual working memory. • Both pollutants were associated with better performance in reasoning. • Smoking and education appeared to modify NO 2 effects on memory.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».