Tracking National and Regional Spatial‐Temporal Mortality Risk Associated with NO<sub>2</sub> Concentrations in Canada: A Bayesian Hierarchical Two‐Level Model
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
The association between daily variations in urban air quality and mortality has been well documented using time series statistical methods. This approach assumes a constant association over time. We develop a space-time dynamic model that relaxes this assumption, thus more directly examining the hypothesis that improvements in air quality translate into improvements in public health. We postulate a Bayesian hierarchical two-level model to estimate annual mortality risks at regional and national levels and to track both risk and heterogeneity of risk within and between regions over time. We illustrate our methods using daily nitrogen dioxide concentrations (NO2) and nonaccidental mortality data collected for 1984-2004 in 24 Canadian cities. Estimates of risk and heterogeneity are compared by cause of mortality (cardio-pulmonary [CP] versus non-CP) and season, respectively. Over the entire period, the NO2 risk for CP mortality was slightly lower but with a narrower credible interval than that for non-CP mortality, mainly due to an unusually low risk for a single year (1998). Warm season NO2 risk was higher than cold season risk for both CP and non-CP mortality. For 21 years overall there were no significant differences detected among the four regional NO2 risks. We found overall that there was no strong evidence for time trends in NO2 risk at national or regional levels. However, an increasing linear time trend in the annual between-region heterogeneities was detected, which suggests the differences in risk among the four regions are getting larger, and further studies are necessary to understand the increasing heterogeneity.
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 | 0,001 |
| 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