Outdoor Fine Particles and Nonfatal Strokes
Notice bibliographique
Résumé
BACKGROUND: Epidemiologic studies find that long- and short-term exposure to fine particles (PM2.5) is associated with adverse cardiovascular outcomes, including ischemic and hemorrhagic strokes. However, few systematic reviews or meta-analyses have synthesized these results. METHODS: We reviewed epidemiologic studies that estimated the risks of nonfatal strokes attributable to ambient PM2.5. To pool risks among studies we used a random-effects model and 2 Bayesian approaches. The first Bayesian approach assumes a normal prior that allows risks to be zero, positive or negative. The second assumes a gamma prior, where risks can only be positive. This second approach is proposed when the number of studies pooled is small, and there is toxicological or clinical literature to support a causal relation. RESULTS: We identified 20 studies suitable for quantitative meta-analysis. Evidence for publication bias is limited. The frequentist meta-analysis produced pooled risk ratios of 1.06 (95% confidence interval = 1.00-1.13) and 1.007 (1.003-1.010) for long- and short-term effects, respectively. The Bayesian meta-analysis found a posterior mean risk ratio of 1.08 (95% posterior interval = 0.96-1.26) and 1.008 (1.003-1.013) from a normal prior, and of 1.05 (1.02-1.10) and 1.008 (1.004-1.013) from a gamma prior, for long- and short-term effects, respectively, per 10 μg/m PM2.5. CONCLUSIONS: Sufficient evidence exists to develop a concentration-response relation for short- and long-term exposures to PM2.5 and stroke incidence. Long-term exposures to PM2.5 result in a higher risk ratio than short-term exposures, regardless of the pooling method. The evidence for short-term PM2.5-related ischemic stroke is especially strong.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».