MétaCan
Menu
Retour à la cohorte
Enregistrement W2898247900 · doi:10.1289/ehp3766

Estimates of the Global Burden of Ambient PM2.5, Ozone, and NO2 on Asthma Incidence and Emergency Room Visits

2018· article· en· W2898247900 sur OpenAlexaff
Susan C. Anenberg, Daven K. Henze, Veronica Tinney, Patrick L. Kinney, William Raich, Neal Fann, Chris Malley, Henry Roman, Lok N. Lamsal, B. N. Duncan, Randall V. Martin, Aaron van Donkelaar, Michael Bräuer, Ruth M. Doherty, Jan Eiof Jonson, Yanko Davila, Kengo Sudo, Johan Kuylenstierna

Notice bibliographique

RevueEnvironmental Health Perspectives · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of British ColumbiaDalhousie University
Organismes subventionnairesInstitute for Health Metrics and EvaluationStockholm Environment InstituteNational Aeronautics and Space Administration
Mots-clésAsthmaEnvironmental healthOzoneAir pollutionEpidemiologyPopulationIncidence (geometry)MedicineDisease burdenParticulatesRate ratioDemographyEnvironmental scienceGeographyMeteorologyChemistryMathematicsImmunologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract 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 (PM2.5), ozone, and nitrogen dioxide (NO2) 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 PM2.5, 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 PM2.5 impacts, respectively. Remaining impacts were attributable to naturally occurring ozone precursor emissions (e.g., from vegetation, lightning) and PM2.5 (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. https://doi.org/10.1289/EHP3766

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,315
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations351
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health PerspectivesMême sujetAir Quality and Health ImpactsTravaux en français237 207