Air pollution from bushfires and their association with hospital admissions in Sydney, Newcastle and Wollongong, Australia 1994–2007
Notice bibliographique
Résumé
OBJECTIVE: We examined the association between validated bushfire smoke pollution events and hospital admissions in three eastern Australian cities from 1994 to 2007. METHODS: Smoke events were defined as days on which bushfire smoke caused the 24-hour citywide average concentration of airborne particles to exceed the 99(th) percentile of the daily distribution for the study period. We used a time-stratified case-crossover design to assess the association between smoke events and hospital admissions. Odds ratios (OR) and 95% confidence intervals (CI) were estimated for cardiovascular and respiratory conditions on event days compared with non-event days. Models were adjusted for daily meteorology, influenza epidemics and holidays. RESULTS: Smoke events occurred on 58 days in Sydney (population: 3,862,000), 33 days in Wollongong (population: 406,000) and 50 days in Newcastle (population: 278,000). In Sydney, events were associated with a 6% (OR=1.06, 95%CI=1.02-1.09) same day increase in respiratory hospital admissions. Same day chronic obstructive pulmonary disease admissions increased 13% (OR=1.13, 95%CI=1.05-1.22) and asthma admissions by 12% (OR=1.12, 95%CI=1.05-1.19). Events were also associated with increased admissions for respiratory conditions in Newcastle and Wollongong. CONCLUSIONS: Smoke events were associated with increased hospital admissions for respiratory but not cardiovascular conditions. Large populations are needed to assess the impacts of brief exposures. Implications : Public health impacts from bushfire pollution events are likely to increase in association with a warming climate and more frequent severe fire weather.
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 | 0,001 |
| 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 ».