Estimates of the Global Burden of Ambient PM2.5, Ozone, and NO2 on Asthma Incidence and Emergency Room Visits
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: Asthma is the most prevalent chronic respiratory disease worldwide, affecting 358 million people in 2015. Ambient air pollution exacerbates asthma among populations around the world and may also contribute to new-onset asthma. OBJECTIVES: We aimed to estimate the number of asthma emergency room visits and new onset asthma cases globally attributable to fine particulate matter (PM 2:5 ), ozone, and nitrogen dioxide (NO 2 ) concentrations. METHODS: We used epidemiological health impact functions combined with data describing population, baseline asthma incidence and prevalence, and pollutant concentrations. We constructed a new dataset of national and regional emergency room visit rates among people with asthma using published survey data. RESULTS: We estimated that 9-23 million and 5-10 million annual asthma emergency room visits globally in 2015 could be attributable to ozone and PM 2:5 , respectively, representing 8-20% and 4-9% of the annual number of global visits, respectively. The range reflects the application of central risk estimates from different epidemiological meta-analyses. Anthropogenic emissions were responsible for 37% and 73% of ozone and PM 2:5 impacts, respectively. Remaining impacts were attributable to naturally occurring ozone precursor emissions (e.g., from vegetation, lightning) and PM 2:5 (e.g., dust, sea salt), though several of these sources are also influenced by humans. The largest impacts were estimated in China and India. CONCLUSIONS: These findings estimate the magnitude of the global asthma burden that could be avoided by reducing ambient air pollution. We also identified key uncertainties and data limitations to be addressed to enable refined estimation.
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 | 0,000 | 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 | 0,001 |
| 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 découle