Evaluation of a spatially resolved forest fire smoke model for population-based epidemiologic exposure assessment
Notice bibliographique
Résumé
Exposure to forest fire smoke (FFS) is associated with multiple adverse health effects, mostly respiratory. Findings for cardiovascular effects have been inconsistent, possibly related to the limitations of conventional methods to assess FFS exposure. In previous work, we developed an empirical model to estimate smoke-related fine particulate matter (PM2.5) for all populated areas in British Columbia (BC), Canada. Here, we evaluate the utility of our model by comparing epidemiologic associations between modeled and measured PM2.5. For each local health area (LHA), we used Poisson regression to estimate the effects of PM2.5 estimates and measurements on counts of medication dispensations and outpatient physician visits. We then used meta-regression to estimate the overall effects. A 10 μg/m(3) increase in modeled PM2.5 was associated with increased sabutamol dispensations (RR=1.04, 95% CI 1.03-1.06), and physician visits for asthma (1.06, 1.04-1.08), COPD (1.02, 1.00-1.03), lower respiratory infections (1.03, 1.00-1.05), and otitis media (1.05, 1.03-1.07), all comparable to measured PM2.5. Effects on cardiovascular outcomes were only significant using model estimates in all LHAs during extreme fire days. This suggests that the exposure model is a promising tool for increasing the power of epidemiologic studies to detect the health effects of FFS via improved spatial coverage and resolution.
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 | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».