PM2.5 and Diabetes and Hypertension Incidence in the Black Women’s Health Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Clinical studies have shown that exposure to fine particulate matter (PM2.5) can increase insulin resistance and blood pressure. The epidemiologic evidence for an association of PM2.5 exposure with the incidence of type 2 diabetes or hypertension is inconsistent. Even a modest association would have great public health importance given the ubiquity of exposure and high prevalence of the conditions. METHODS: We used Cox proportional hazards models to calculate hazard ratios (HRs) and 95% confidence intervals (CIs) for incident type 2 diabetes and hypertension associated with exposure to PM2.5 in a large cohort of African American women living in 56 metropolitan areas across the US, using data from the Black Women's Health Study. Pollutant levels were estimated at all residential locations over follow-up with a hybrid model incorporating land use regression and Bayesian Maximum Entropy techniques. RESULTS: During 1995 to 2011, 4,387 cases of diabetes and 9,570 cases of hypertension occurred. In models controlling for age, questionnaire cycle, and metro area, there were positive associations with diabetes (HR = 1.13, 95% CI = 1.04, 1.24) and hypertension (HR = 1.06, 95% CI = 1.00, 1.12) per interquartile range of PM2.5 (2.9 μg/m). Multivariable HRs, however, were 0.99 (95% CI = 0.90, 1.09) for diabetes and 0.99 (95% CI = 0.93, 1.06) for hypertension. CONCLUSIONS: Our results provide little support for an association of PM2.5 with diabetes or hypertension incidence.
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.
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 | 0,011 | 0,003 |
| 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) | 0,000 | 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 découle