Communicating air pollution-related health risks to the public: An application of the Air Quality Health Index in Shanghai, China
Notice bibliographique
Résumé
The Air Quality Health Index (AQHI) was originally developed in Canada. However, little is known about its validity in communicating morbidity risks. We aimed to establish the AQHI in Shanghai, China, and to compare the associations of AQHI and existing Air Pollution Index (API) with daily mortality and morbidity. We constructed the AQHI as the sum of excess total mortality associated with individual air pollutants, and then adjusted it to an arbitrary scale (0-10), according to a time-series analysis of air pollution and mortality in Shanghai from 2001 to 2008. We examined the associations of AQHI with daily mortality and morbidity, and compared these associations with API from 2005 to 2008. The coefficients of short-term associations of total mortality with particulate matter with an aerodynamic diameter less than 10 μm (PM(10)), PM(2.5) and nitrogen dioxide (NO(2)) were used in the establishment of AQHI. During 2005-2008, the AQHI showed linear non-threshold positive associations with daily mortality and morbidity. A unit increase of the PM(10)-AQHI was associated with a 0.90% [95% (confidence interval, CI), 0.43 to 1.37], 1.04% (95%CI, 0.04 to 2.04), 1.62% (95%CI, 0.39 to 2.85) and 0.51% (95%CI, 0.09 to 0.93) increase of current-day total mortality, hospital admissions, outpatient visits and emergency room visits, respectively. The PM(2.5)-AQHI showed quite similar effect estimates with the PM(10)-AQHI. In contrast, the associations for API were much weaker and generally statistically insignificant. The AQHI, compared with the existing API, provided a more effective tool to communicate the air pollution-related health risks to the public.
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 | 0,004 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».