Distributed Lag Analyses of Daily Hospital Admissions and Source-Apportioned Fine Particle Air Pollution
Notice bibliographique
Résumé
BACKGROUND: Past time-series studies of the health effects of fine particulate matter [aerodynamic diameter ≤ 2.5 µm (PM2.5)] have used chemically nonspecific PM2.5 mass. However, PM2.5 is known to vary in chemical composition with source, and health impacts may vary accordingly. OBJECTIVE: We tested the association between source-specific daily PM2.5 mass and hospital admissions in a time-series investigation that considered both single-lag and distributed-lag models. METHODS: Daily PM2.5 speciation measurements collected in midtown Manhattan were analyzed via positive matrix factorization source apportionment. Daily and distributed-lag generalized linear models of Medicare respiratory and cardiovascular hospital admissions during 2001-2002 considered PM2.5 mass and PM2.5 from five sources: transported sulfate, residual oil, traffic, steel metal works, and soil. RESULTS: Source-related PM2.5 (specifically steel and traffic) was significantly associated with hospital admissions but not with total PM2.5 mass. Steel metal works-related PM2.5 was associated with respiratory admissions for multiple-lag days, especially during the cleanup efforts at the World Trade Center. Traffic-related PM2.5 was consistently associated with same-day cardiovascular admissions across disease-specific subcategories. PM2.5 constituents associated with each source (e.g., elemental carbon with traffic) were likewise associated with admissions in a consistent manner. Mean effects of distributed-lag models were significantly greater than were maximum single-day effect models for both steel- and traffic-related PM2.5. CONCLUSIONS: Past analyses that have considered only PM2.5 mass or only maximum single-day lag effects have likely underestimated PM2.5 health effects by not considering source-specific and distributed-lag effects. Differing lag structures and disease specificity observed for steel-related versus traffic-related PM2.5 raise the possibility of distinct mechanistic pathways of health effects for particles of differing chemical composition.
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 | 0,001 |
| 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) | 0,002 | 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 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 ».