Effect of motor vehicle emissions on respiratory health in an urban area.
Notice bibliographique
Résumé
Motor vehicles emit particulate matter < 2.5 microm in diameter (PM(2.5)), and as a result, PM(2.5) concentrations tend to be elevated near busy streets. Studies of the relationship between motor vehicle emissions and respiratory health are generally limited by difficulties in exposure assessment. We developed a refined exposure model and implemented it using a geographic information system to estimate the average daily census enumeration area (EA) exposure to PM(2.5). Southeast Toronto, the study area, includes 334 EAs and covers 16 km(2) of urban area. We used hospital admission diagnostic codes from 1990 to 1992 to measure respiratory and genitourinary conditions. We assessed the effect of EA exposure on hospital admissions using a Poisson mixed-effects model and examined the spatial distributions of variables. Exposure to PM(2.5) has a significant effect on admission rates for a subset of respiratory diagnoses (asthma, bronchitis, chronic obstructive pulmonary disease, pneumonia, upper respiratory tract infection), with a relative risk of 1.24 (95% confidence interval, 1.05-1.45) for a log(10) increase in exposure. We noted a weaker effect of exposure on hospitalization for all respiratory conditions, and no effect on hospitalization for nonrespiratory conditions.
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) | 0,003 | 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 ».