Approximations for Estimating Change in Life Expectancy Attributable to Air Pollution in Relation to Multiple Causes of Death Using a Cause Modified Life Table
Notice bibliographique
Résumé
There is considerable debate as to the most appropriate metric for characterizing the mortality impacts of air pollution. Life expectancy has been advocated as an informative measure. Although the life-table calculus is relatively straightforward, it becomes increasingly cumbersome when repeated over large numbers of geographic areas and for multiple causes of death. Two simplifying assumptions were evaluated: linearity of the relation between excess rate ratio and change in life expectancy, and additivity of cause-specific life-table calculations. We employed excess rate ratios linking PM2.5 and mortality from cerebrovascular disease, chronic obstructive pulmonary disease, ischemic heart disease, and lung cancer derived from a meta-analysis of worldwide cohort studies. As a sensitivity analysis, we employed an integrated exposure response function based on the observed risk of PM2.5 over a wide range of concentrations from ambient exposure, indoor exposure, second-hand smoke, and personal smoking. Impacts were estimated in relation to a change in PM2.5 from 19.5 μg/m(3) estimated for Toronto to an estimated natural background concentration of 1.8 μg/m(3) . Estimated changes in life expectancy varied linearly with excess rate ratios, but at higher values the relationship was more accurately represented as a nonlinear function. Changes in life expectancy attributed to specific causes of death were additive with maximum error of 10%. Results were sensitive to assumptions about the air pollution concentration below which effects on mortality were not quantified. We have demonstrated valid approximations comprising expression of change in life expectancy as a function of excess mortality and summation across multiple causes of death.
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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».