MétaCan
Menu
← Retour à la cohorte
Enregistrement W2289963005 · doi:10.26443/mjm.v12i1.735

The effects of outdoor air pollution on chronic illnesses

2020· article· en· W2289963005 sur OpenAlexaffvenue
Hong Chen, Mark S. Goldberg

Notice bibliographique

RevueMcGill Journal of Medicine · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineAir pollutionPollutionEnvironmental healthEcology

Résumé

récupéré en direct d'OpenAlex

Chronic diseases, especially cancer, cardiovascular disease, and respiratory diseases, are the leading causes of morbidity and mortality worldwide.In Canada alone, chronic diseases account for 87% of total disability and 89% of all deaths (1).It is estimated that half of the Canadian population live currently with a chronic illness and more than 90% of them have these three diseases (1).Chronic diseases develop typically over long periods of time and have multiple risk factors.The major causes of cardiovascular disease include high cholesterol, high blood pressure, and obesity (2-6).For lung cancer and respiratory disease, tobacco smoking and exposure to toxic chemicals are important risk factors (7-15).More recently, ambient air pollution has been implicated in increasing the incidence and mortality from lung cancer and from cardio-pulmonary diseases (16-19).Present-day urban air pollution comprises hundreds of substances, including sulphur dioxide, ozone, nitrogen oxide, nitrogen dioxide, carbon monoxide, carbon dioxide, particulate matter, rubber dust, polycyclic aromatic hydrocarbons, and many different volatile organic compounds.Particles are a heterogeneous mixture of solid and liquid droplets with wide distributions of size and mass.Coarse particles, greater than 2.5 µm in median aerodynamic diameter, derive from a variety of sources including windblown dust and grinding operations; fine particles are primarily from the combustion of fossil fuels (20).Common constituents of particulates include elemental and organic carbon, sulphates, nitrates, pollen, microbial contaminants, and metals (20).Fine particles can react with sulphur dioxide and oxides of nitrogen in the atmosphere to form strong acids, such as sulphuric acid, nitric acid, hydrochloric acid, and acid aerosols (20).In addition, urban air also contains benzene and 1,3butadiene that are considered carcinogenic (21).The health impact of outdoor air pollution became apparent during the smog episodes in London, England, (Figure 1) in the 1950s and in some other places.In London, the lethal fog, which occurred because a

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0390,004

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,305
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of Medicine→Même sujetAir Quality and Health Impacts→Travaux en français237 207→