Three Measures of Forest Fire Smoke Exposure and Their Associations with Respiratory and Cardiovascular Health Outcomes in a Population-Based Cohort
Notice bibliographique
Résumé
BACKGROUND: During the summer of 2003 numerous fires burned in British Columbia, Canada. OBJECTIVES: We examined the associations between respiratory and cardiovascular physician visits and hospital admissions, and three measures of smoke exposure over a 92-day study period (1 July to 30 September 2003). METHODS: A population-based cohort of 281,711 residents was identified from administrative data. Spatially specific daily exposure estimates were assigned to each subject based on total measurements of particulate matter (PM) ≤ 10 μm in aerodynamic diameter (PM10) from six regulatory tapered element oscillating microbalance (TEOM) air quality monitors, smoke-related PM10 from a CALPUFF dispersion model run for the study, and a SMOKE exposure metric for plumes visible in satellite images. Logistic regression with repeated measures was used to estimate associations with each outcome. RESULTS: The mean (± SD) exposure based on TEOM-measured PM10 was 29 ± 31 μg/m3, with an interquartile range of 14-31 μg/m3. Correlations between the TEOM, smoke, and CALPUFF metrics were moderate (0.37-0.76). Odds ratios (ORs) for a 30-μg/m3 increase in TEOM-based PM10 were 1.05 [95% confidence interval (CI), 1.03-1.06] for all respiratory physician visits, 1.16 (95% CI, 1.09-1.23) for asthma-specific visits, and 1.15 (95% CI, 1.00-1.29) for respiratory hospital admissions. Associations with cardiovascular outcomes were largely null. CONCLUSIONS: Overall we found that increases in TEOM-measured PM10 were associated with increased odds of respiratory physician visits and hospital admissions, but not with cardiovascular health outcomes. Results indicating effects of fire smoke on respiratory outcomes are consistent with previous studies, as are the null results for cardiovascular outcomes. Some agreement between TEOM and the other metrics suggests that exposure assessment tools that are independent of air quality monitoring may be useful with further refinement.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».