Long-Term Fine Particulate Matter Exposure and Mortality From Diabetes in Canada
Notice bibliographique
Résumé
OBJECTIVE: Recent studies suggest that chronic exposure to air pollution can promote the development of diabetes. However, whether this relationship actually translates into an increased risk of mortality attributable to diabetes is uncertain. RESEARCH DESIGN AND METHODS: We evaluated the association between long-term exposure to ambient fine particulate matter (PM2.5) and diabetes-related mortality in a prospective cohort analysis of 2.1 million adults from the 1991 Canadian census mortality follow-up study. Mortality information, including ∼5,200 deaths coded as diabetes being the underlying cause, was ascertained by linkage to the Canadian Mortality Database from 1991 to 2001. Subject-level estimates of long-term exposure to PM2.5 were derived from satellite observations. The hazard ratios (HRs) for diabetes-related mortality were related to PM2.5 and adjusted for individual-level and contextual variables using Cox proportional hazards survival models. RESULTS: Mean PM2.5 exposure levels for the entire population were low (8.7 µg/m3; SD, 3.9 µg/m3; interquartile range, 6.2 µg/m3). In fully adjusted models, a 10-µg/m3 elevation in PM2.5 exposure was associated with an increase in risk for diabetes-related mortality (HR, 1.49; 95% CI, 1.37-1.62). The monotonic change in risk to the population persisted to PM2.5 concentration<5 µg/m3. CONCLUSIONS: Long-term exposure to PM2.5, even at low levels, is related to an increased risk of mortality attributable to diabetes. These findings have considerable public health importance given the billions of people exposed to air pollution and the worldwide growing epidemic of diabetes.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».