High Blood Pressure and Long-Term Exposure to Indoor Noise and Air Pollution from Road Traffic
Notice bibliographique
Résumé
BACKGROUND: Traffic noise has been associated with prevalence of hypertension, but reports are inconsistent for blood pressure (BP). To ascertain noise effects and to disentangle them from those suspected to be from traffic-related air pollution, it may be essential to estimate people's noise exposure indoors in bedrooms. OBJECTIVES: We analyzed associations between long-term exposure to indoor traffic noise in bedrooms and prevalent hypertension and systolic (SBP) and diastolic (DBP) BP, considering long-term exposure to outdoor nitrogen dioxide (NO2). METHODS: We evaluated 1,926 cohort participants at baseline (years 2003-2006; Girona, Spain). Outdoor annual average levels of nighttime traffic noise (Lnight) and NO2 were estimated at postal addresses with a detailed traffic noise model and a land-use regression model, respectively. Individual indoor traffic Lnight levels were derived from outdoor Lnight with application of insulations provided by reported noise-reducing factors. We assessed associations for hypertension and BP with multi-exposure logistic and linear regression models, respectively. RESULTS: Median levels were 27.1 dB(A) (indoor Lnight), 56.7 dB(A) (outdoor Lnight), and 26.8 μg/m3 (NO2). Spearman correlations between outdoor and indoor Lnight with NO2 were 0.75 and 0.23, respectively. Indoor Lnight was associated both with hypertension (OR = 1.06; 95% CI: 0.99, 1.13) and SBP (β = 0.72; 95% CI: 0.29, 1.15) per 5 dB(A); and NO2 was associated with hypertension (OR = 1.16; 95% CI: 0.99, 1.36), SBP (β = 1.23; 95% CI: 0.21, 2.25), and DBP (β⊇= 0.56; 95% CI: -0.03, 1.14) per 10 μg/m3. In the outdoor noise model, Lnight was associated only with hypertension and NO2 with BP only. The indoor noise-SBP association was stronger and statistically significant with a threshold at 30 dB(A). CONCLUSION: Long-term exposure to indoor traffic noise was associated with prevalent hypertension and SBP, independently of NO2. Associations were less consistent for outdoor traffic Lnight and likely affected by collinearity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».