Long-term Fine Particulate Matter Exposure and Nonaccidental and Cause-specific Mortality in a Large National Cohort of Chinese Men
Notice bibliographique
Résumé
Background: Cohort studies in North America and western Europe have reported increased risk of mortality associated with long-term exposure to fine particles (PM2.5), but to date, no such studies have been reported in China, where higher levels of exposure are experienced. Objectives: We estimated the association between long-term exposure to PM2.5 with nonaccidental and cause-specific mortality in a cohort of Chinese men. Methods: We conducted a prospective cohort study of 189,793 men 40 y old or older during 1990–91 from 45 areas in China. Annual average PM2.5 levels for the years 1990, 1995, 2000, and 2005 were estimated for each cohort location using a combination of satellite-based estimates, chemical transport model simulations, and ground-level measurements developed for the Global Burden of Disease (GBD) 2013 study. A Cox proportional hazards regression model was used to estimate hazard ratios (HR) for nonaccidental cardiovascular disease (CVD), chronic obstructive pulmonary disease (COPD), and lung-cancer mortality. We also assessed the shape of the concentration–response relationship and compared the risk estimates with those predicted by Integrated Exposure-Response (IER) function, which incorporated estimates of mortality risk from previous cohort studies in western Europe and North America. Results: The mean level of PM2.5 exposure during 2000–2005 was 43.7 μg/m3 (ranging from 4.2 to 83.8 μg/m3). Mortality HRs (95% CI) per 10-μg/m3 increase in PM2.5 were 1.09 (1.08, 1.09) for nonaccidental causes; 1.09 (1.08, 1.10) for CVD, 1.12 (1.10, 1.13) for COPD; and 1.12 (1.07, 1.14) for lung cancer. The HR estimate from our cohort was consistently higher than IER predictions. Conclusions: Long-term exposure to PM2.5 was associated with nonaccidental, CVD, lung cancer, and COPD mortality in China. The IER estimator may underestimate the excess relative risk of cause-specific mortality due to long-term exposure to PM2.5 over the exposure range experienced in China and other low- and middle-income countries. https://doi.org/10.1289/EHP1673
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».