A Cohort Study of Traffic-Related Air Pollution and Mortality in Toronto, Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Chronic exposure to traffic-related air pollution (TRAP) may contribute to premature mortality, but few studies to date have addressed this topic. OBJECTIVES: In this study we assessed the association between TRAP and mortality in Toronto, Ontario, Canada. METHODS: We collected nitrogen dioxide samples over two seasons using duplicate two-sided Ogawa passive diffusion samplers at 143 locations across Toronto. We calibrated land use regressions to predict NO2 exposure on a fine scale within Toronto. We used interpolations to predict levels of particulate matter with aerodynamic diameter < or = 2.5 microm (PM(2.5)) and ozone levels. We assigned predicted pollution exposures to 2,360 subjects from a respiratory clinic, and abstracted health data on these subjects from medical billings, lung function tests, and diagnoses by pulmonologists. We tracked mortality between 1992 and 2002. We used standard and multilevel Cox proportional hazard models to test associations between air pollution and mortality. RESULTS: After controlling for age, sex, lung function, obesity, smoking, and neighborhood deprivation, we observed a 17% increase in all-cause mortality and a 40% increase in circulatory mortality from an exposure contrast across the interquartile range of 4 ppb NO2. We observed no significant associations with other pollutants. CONCLUSIONS: Exposure to TRAP was significantly associated with increased all-cause and circulatory mortality in this cohort. A high prevalence of cardiopulmonary disease in the cohort probably limits inference of the findings to populations with a substantial proportion of susceptible individuals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».