Air pollution and daily emergency department visits for depression
Notice bibliographique
Résumé
OBJECTIVES: To investigate the potential correlation between ambient air pollution exposure and emergency department (ED) visits for depression. MATERIALS AND METHODS: A hierarchical clusters design was used to study 27 047 ED visits for depression in six cities in Canada. The data used in the analysis contain the dates of visits, daily numbers of diagnosed visits, and daily mean concentrations of air pollutants as well as the meteorological factors. The generalized linear mixed models technique was applied to data analysis. Poisson models were fitted to the clustered counts of ED visits with a single air pollutant, temperature and relative humidity. RESULTS: Statistically significant positive correlations were observed between the number of ED visits for depression and the air concentrations of carbon monoxide (CO), nitrogen dioxide (NO2), sulphur dioxide (SO2) and particulate matter (PM10). The percentage increase in daily ED visits was 15.5% (95% CI: 8.0-23.5) for CO per 0.8 ppm and 20.0% (95% CI: 13.3-27.2) for NO2 per 20.1 ppb, for same day exposure in the warm weather period (April-September). For PM10, the largest increase, 7.2% (95% CI: 3.0-11.6) per 19.4 ug/m3, was observed for the cold weather period (October-March). CONCLUSIONS: The results support the hypothesis that ED visits for depressive disorder correlate with ambient air pollution, and that a large majority of this pollution results from combustion of fossil fuels (e.g. in motor vehicles).
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 | 0,000 |
| 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 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 ».