Synoptic weather typing applied to air pollution mortality among the elderly in 10 Canadian cities
Notice bibliographique
Résumé
BACKGROUND: Synoptic circulation patterns (large-scale weather systems) affect ambient levels of air pollution, as well as the relationship between air pollution and human health. OBJECTIVE: To investigate the air pollution-mortality relationship within weather types and seasons, and to determine which combination of atmospheric conditions may pose increased health threats in the elderly age categories. METHODS: The relative risk of mortality (RR) due to air pollution was examined using Poisson generalized linear models (GLMs) within specific weather types. Analysis was completed by weather type and age group (all ages, ≤64, 65-74, 75-84, ≥85 years) in ten Canadian cities from 1981 to 1999. RESULTS: There was significant modification of RR by weather type and age. When examining the entire population, weather type was shown to have the greatest modifying effect on the risk of dying due to ozone (O3). This effect was highest on average for the dry tropical (DT) weather type, with the all-age RR of mortality at a population weighted mean (PWM) found to be 1.055 (95% CI 1.026-1.085). All-weather type risk estimates increased with age due to exposure to carbon monoxide (CO), nitrogen dioxide (NO2), and sulphur dioxide (SO2). On average, RR increased by 2.6, 3.8 and 1.5% for the respective pollutants between the ≤64 and ≥85 age categories. Conversely, mean ozone estimates remained relatively consistent with age. Elevated levels of air pollution were found to be detrimental to the health of elderly individuals for all weather types. However, the entire population was negatively effected by air pollution on the hot dry (DT) and hot humid (MT) days. CONCLUSIONS: We identified a significant modification of RR for mortality due to air pollution by age, which is enhanced under specific weather types. Efforts should be targeted at minimizing pollutant exposure to the elderly and/or all age groups with respect to weather type in question.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».