Case-crossover design: Air pollution and health outcomes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to investigate variants of case-crossover design for assessing correlations between counts of health events over time and exposure to ambient air pollution. For illustrative purposes, daily emergency department (ED) visits for depression among females were considered. MATERIALS AND METHOD: Ambient nitrogen dioxide (NO(2)) was used as a principal ambient air pollutant. In addition, sulphur dioxide (SO(2)) and carbon monoxide (CO) were considered. Different configurations of the control periods (every 1, 2, …, 10 days) and different forms (linear, natural splines) of meteorological factors in the applied conditional logistic regression models were used. The sequence of overlapping age intervals was defined ([0, 19], [1, 20], and so on) and each age group was analyzed separately. The results for the defined age sequences allow identifying age ranges in which the effects are strongest. RESULTS: Consequently, for example, different age ranges for patients for which ED visits for depression were correlated with NO(2) and SO(2) were identified. This age-interval difference explains the very often observed phenomenon whereby two air pollutants used in one model may not show correlations with health outcomes. In this situation they affect separate age groups. The results also show dependency on number-defined control periods for the applied case-crossover technique. The opposite statistical conclusions may be generated by using different control schemas. CONCLUSIONS: The results support the hypothesis that ED visits for depressive disorder may be correlated with exposure to ambient 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle