Meta‐Analysis Methods to Estimate the Shape and Uncertainty in the Association Between Long‐Term Exposure to Ambient Fine Particulate Matter and Cause‐Specific Mortality Over the Global Concentration Range
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
Estimates of excess mortality associated with exposure to ambient concentrations of fine particulate matter have been obtained from either a single cohort study or pooling information from a small number of studies. However, standard frequentist methods of pooling are known to underestimate statistical uncertainty in the true risk distribution when the number of studies pooled is small. Alternatively, Bayesian pooling methods using noninformative priors yield unrealistically large amounts of uncertainty in this case. We present a new hybrid frequentist-bayesian framework for meta-analysis that incorporates features of both frequentist and Bayesian approaches, yielding estimated uncertainty distributions that are more useful for burden estimation. We also present an example of mortality risk due to long-term exposure to ambient fine particulate matter obtained from a small number of cohort studies conducted in the United States and Europe. We compare our new risk uncertainty distribution to that obtained by the integrated exposure-response (IER) model used in the Global Burden of Disease 2010 project for which risk was modeled over the entire global concentration range. We suggest a method to incorporate our new risk uncertainty distribution based on the relatively low concentrations observed in the United States and western Europe into the IER model, thus extending risk estimation to the global concentration range.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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