PM Source Apportionment for Short-Term Cardiac Function Changes in ApoE <sup>−/−</sup> Mice
Notice bibliographique
Résumé
Daily rates of cardiovascular mortality and morbidity are have been associated with daily variations in fine particulate matter (aerodynamic diameter < or = 2.5 microm, PM2.5), but little is known about the influences of the individual source-related PM2.5 categories or the temporal lags for the effects. We investigated heart rate (HR) and HR variability (HRV) data collected during a 5-month study involving 6 hr/day, 5 day/week exposures of normal (C57) mice and a murine model for atherosclerotic disease (ApoE-/-) in Sterling Forest (Tuxedo, New York, USA). The mice were exposed to concentrated ambient particles (PM2.5 concentrated 10-fold, producing an average of 113 microg/m3). Daily 6-hr PM2.5 air samples were analyzed by X-ray fluorescence, permitting attribution to major PM source categories [secondary sulfate (SS), resuspended soil (RS), residual oil (RO) combustion, and other, largely due to motor vehicle traffic]. We examined associations between these PM2.5 components and both HR and HRV for three different daily time periods: during exposure, the afternoon after exposure, and late at night. For HR there were significant transient associations for RS during exposure, and for SS in the afternoon after exposure. For HRV, there were comparable associations with RO in the afternoon after exposure and for both SS and RS late at night. The biologic bases for these associations and their temporal lags are not known but may be related to the differential solubility of the biologically active PM components at the respiratory epithelia and their access to cells that release mediators that reach the cardiovascular system. Clearly, further research to elucidate the underlying processes is needed.
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 | 0,001 | 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) | 0,002 | 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 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 ».