Coarse Particulate Matter and Hospitalization for Respiratory Infections in Children Younger Than 15 Years in Toronto: A Case-Crossover Analysis
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to examine the association between ambient air pollution and hospitalization for respiratory infections among children who were younger than 15 years in Toronto during a 4-year period (1998-2001). METHODS: Exposures averaged during periods that varied from 1 to 7 days were used to assess the effects of air pollutants, including thoracic particulate matter (PM10), fine (PM2.5) and coarse (PM10-2.5) particulate matter, carbon monoxide (CO), sulfur dioxide (SO2), nitrogen dioxide (NO2), and ozone (O3), on hospitalization for respiratory infections. A case-crossover design was used to calculate odds ratios for the hospitalization adjusted for daily weather conditions with an incremented exposure corresponding to the interquartile range in air pollution exposures. RESULTS: When particulate matter and gaseous pollutants were mutually taken into account, the effect remained pronounced for PM10-2.5 in both boys and girls. The adjusted odds ratio for 6-day average exposure to PM10-2.5 with an increment of 6.5 microg/m3 was 1.15 (95% confidence interval: 1.02-1.30) for boys and 1.18 (95% confidence interval: 1.01-1.36) for girls. The effect also remained for PM10 in boys and for NO2 in girls. PM2.5, CO, SO2, and O3 showed no significant effects on hospitalization for respiratory infection in both genders when other pollutants were taken into consideration. CONCLUSION: Our study suggested a detrimental effect of relatively low levels of ambient particulate matter and gaseous pollutants, especially coarse particulate matter and NO2, on hospitalization for respiratory infections in children.
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 | 0,000 | 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 ».