Long-term exposure to fine particulate matter and diabetes in Bangladeshi adults: Can clean air targets curb the rising diabetes burden?
Notice bibliographique
Résumé
Background Diabetes is a growing public health challenge in Bangladesh, potentially exacerbated by high levels of air pollution. However, no nationally representative epidemiological evidence exists in Bangladesh. We therefore investigated the association between long-term exposure to PM 2.5 and diabetes and estimated the potential health benefits of achieving national and international clean air targets. Methods This retrospective study included 13,965 adults (8284 women and 6965 men) who participated in the nationally representative Bangladesh Demographic and Health Survey (BDHS) 2022. The annual average concentrations of PM 2.5 were derived from high-resolution, calibrated satellite data matched to their residential addresses. Diabetes was identified as fasting plasma glucose ≥7.0 mmol/L and/or self-reported use of glucose-lowering medication. Generalized Estimating Equation models were used to estimate the associations between PM 2.5 and diabetes, and a Generalized Additive Model was employed to characterize the exposure-response relationship. We also evaluated potential Effect Measure Modification across various sociodemographic groups. The diabetes burden attributable to PM 2.5 and the potential health benefits of achieving national and World Health Organization (WHO) clean air targets were estimated using the attributable fraction. Results Each 10 μg/m 3 increase in 3-year average PM 2.5 concentration (with a 1-year lag) was associated with a 10 % higher risk of diabetes (adjusted Risk Ratio: 1.10; 95 % CI: 1.04, 1.17), with a stronger effect observed among individuals with obesity. Achieving national and WHO air quality targets could potentially reduce the population-level prevalence of diabetes by 4.6 % to 7.5 %. Greater benefits were seen among women, older adults, individuals with obesity or hypertension, and urban populations. Conclusion Our results demonstrate that long-term exposure to PM 2.5 was associated with increased prevalence of diabetes in Bangladeshi adults. Achieving clean air targets can substantially reduce the national and regional population-level burden of diabetes, underscoring the significant health benefits of reducing air pollution.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».