An approach to represent a combined exposure to air pollution
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to present a technique for estimating the effect of ambient air pollution mix on health outcomes. MATERIAL AND METHODS: We created a technique of indexing air pollution mix as a cause of the increased odds of health problems. As an illustrative example, we analyzed the impact of pollution on the frequency of emergency department (ED) visits due to colitis among young patients (age < 15 years, N = 11 110). Our technique involves 2 steps. First, we considered 6 ambient air pollutants (carbon monoxide, nitrogen dioxide, sulphur dioxide, ozone, and 2 measures of particulate matter) treating each pollutant as a single exposure. Odds ratios (ORs) for ED visits associated with a standard increase (interquartile range - IQR) in the pollutants levels were calculated using the case-crossover technique. The ORs and their 95% confidence intervals (95% CIs) were also found for lagged exposures (for lags 1-9 days). Second, we defined a Health Air Study Index (HASI) to represent the combined impact of the 6 air pollutants. RESULTS: We obtained positive and statistically significant results for individual air pollutants and among them the following estimations: OR = 1.06 (95% CI: 1.02-1.1, NO2 lag 3, IQR = 12.8 ppb), OR = 1.04 (95% CI: 1.01-1.07, SO2 lag 4, IQR = 2.3 ppb), OR = 1.04 (95% CI: 1-1.06, PM lag 3, IQR = 6.2 μg/m3). Among the re-calculated ORs with the HASI values as an exposure, the highest estimated value was OR = 1.37 (95% CI: 1.12-1.68, for 1 unit of the HASI, lag 3). CONCLUSIONS: The proposed index (HASI) allows to confirm the pattern of associations for lags obtained for individual air pollutants. In the presented example the used index (HASI) indicates the strongest relation with the exposure lagged by 3 days.
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) | 0,000 | 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 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 ».