Ambient air quality and spatio-temporal patterns of cardiovascular emergency department visits
Notice bibliographique
Résumé
BACKGROUND: Air pollutants have been associated with various adverse health effects, including increased rates of hospital admissions and emergency room visits. Although numerous time-series studies and case-crossover studies have estimated associations between day-to-day variation in pollutant levels and mortality/morbidity records, studies on geographic variations in emergency department use and the spatial effects in their associations with air pollution exposure are rare. METHODS: We focused on the elderly who visited emergency room for cardiovascular related disease (CVD) in 2011. Using spatially and temporally resolved multi-pollutant exposures, we investigated the effect of short-term exposures to ambient air pollution on emergency department utilization. We developed two statistical models with and without spatial random effects within a hierarchical Bayesian framework to capture the spatial heterogeneity and spatial autocorrelation remaining in emergency department utilization. RESULTS: Although the cardiovascular effect of spatially homogeneous pollutants, such as PM2.5 and ozone, was unchanged, we found the cardiovascular effect of NO[Formula: see text] was pronounced after accounting for the spatially correlated structure in emergency department utilization. We also identified areas with high ED utilization for CVD among the elderly and assessed the uncertainty associated with risk estimates. CONCLUSIONS: We assessed the short-term effect of multi-pollutants on cardiovascular risk of the elderly and demonstrated the use of community multiscale air quality model-derived spatially and temporally resolved multi-pollutant exposures to an epidemiological study. Our results indicate that NO[Formula: see text] was significantly associated with the elevated ED utilization for CVD among the elderly.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».