Time series analysis of fine particulate matter and asthma reliever dispensations in populations affected by forest fires
Notice bibliographique
Résumé
BACKGROUND: Several studies have evaluated the association between forest fire smoke and acute exacerbations of respiratory diseases, but few have examined effects on pharmaceutical dispensations. We examine the associations between daily fine particulate matter (PM2.5) and pharmaceutical dispensations for salbutamol in forest fire-affected and non-fire-affected populations in British Columbia (BC), Canada. METHODS: We estimated PM2.5 exposure for populations in administrative health areas using measurements from central monitors. Remote sensing data on fires were used to classify the populations as fire-affected or non-fire-affected, and to identify extreme fire days. Daily counts of salbutamol dispensations between 2003 and 2010 were extracted from the BC PharmaNet database. We estimated rate ratios (RR) and 95% confidence intervals (CIs) for each population during all fire seasons and on extreme fire days, adjusted for temperature, humidity, and temporal trends. Overall effects for fire-affected and non-fire-affected populations were estimated via meta-regression. RESULTS: Fire season PM2.5 was positively associated with salbutamol dispensations in all fire-affected populations, with a meta-regression RR (95% CI) of 1.06 (1.04-1.07) for a 10 ug/m3 increase. Fire season PM2.5 was not significantly associated with salbutamol dispensations in non-fire-affected populations, with a meta-regression RR of 1.00 (0.98-1.01). On extreme fire days PM2.5 was positively associated with salbutamol dispensations in both population types, with a global meta-regression RR of 1.07 (1.04 - 1.09). CONCLUSIONS: Salbutamol dispensations were clearly associated with fire-related PM2.5. Significant associations were observed in smaller populations (range: 8,000 to 170,000 persons, median: 26,000) than those reported previously, suggesting that salbutamol dispensations may be a valuable outcome for public health surveillance during fire events.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,011 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».