Exposure Misclassification and Threshold Concentrations in Time Series Analyses of Air Pollution Health Effects
Notice bibliographique
Résumé
Linear, no-threshold relationships are typically reported for time series studies of air pollution and mortality. Since regulatory standards and economic valuations typically assume some threshold level, we evaluated the fundamental question of the impact of exposure misclassification on the persistence of underlying personal-level thresholds when personal data are aggregated to the population level in the assessment of exposure-response relationships. As an example, we measured personal exposures to two particle metrics, PM2.5 and sulfate (SO4(2-)), for a sample of lung disease patients and compared these with exposures estimated from ambient measurements Previous work has shown that ambient:personal correlations for PM2.5 are much lower than for SO4(2-), suggesting that ambient PM2.5 measurements misclassify exposures to PM2.5. We then developed a method by which the measured:estimated exposure relationships for these patients were used to simulate personal exposures for a larger population and then to estimate individual-level mortality risks under different threshold assumptions. These individual risks were combined to obtain the population risk of death, thereby exhibiting the prominence (and the value) of the threshold in the relationship between risk and estimated exposure. Our results indicated that for poorly classified exposures (PM2.5 in this example) population-level thresholds were apparent at lower ambient concentrations than specified common personal thresholds, while for well-classified exposures (e.g., SO4(2-)), the apparent thresholds were similar to these underlying personal thresholds. These results demonstrate that surrogate metrics that are not highly correlated with personal exposures obscure the presence of thresholds in epidemiological studies of larger populations, while exposure indicators that are highly correlated with personal exposures can accurately reflect underlying personal thresholds.
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 | 0,044 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».