Biomass Burning as a Source of Ambient Fine Particulate Air Pollution and Acute Myocardial Infarction
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: Biomass burning is an important source of ambient fine particulate air pollution (PM2.5) in many regions of the world. METHODS: We conducted a time-stratified case-crossover study of ambient PM2.5 and hospital admissions for myocardial infarction (MI) in three regions of British Columbia, Canada. Daily hospital admission data were collected between 2008 and 2015 and PM2.5 data were collected from fixed site monitors. We used conditional logistic regression models to estimate odds ratios (ORs) describing the association between PM2.5 and the risk of hospital admission for MI. We used stratified analyses to evaluate effect modification by biomass burning as a source of ambient PM2.5 using the ratio of levoglucosan/PM2.5 mass concentrations. RESULTS: Each 5 µg/m increase in 3-day mean PM2.5 was associated with an increased risk of MI among elderly subjects (≥65 years; OR = 1.06, 95% CI: 1.03, 1.08); risk was not increased among younger subjects. Among the elderly, the strongest association occurred during colder periods (<6.44°C); when we stratified analyses by tertiles of monthly mean biomass contributions to PM2.5 during cold periods, ORs of 1.19 (95% CI: 1.04, 1.36), 1.08 (95% CI: 1.06, 1.09), and 1.04 (95% CI: 1.03, 1.06) were observed in the upper, middle, and lower tertiles (Ptrend = 0.003), respectively. CONCLUSION: Short-term changes in ambient PM2.5 were associated with an increased risk of MI among elderly subjects. During cold periods, increased biomass burning contributions to PM2.5 may modify its association with MI.
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 | 0,002 | 0,002 |
| 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