MULTIPOLLUTANT ASSESSMENT OF SHORT-TERM MORTALITY EFFECTS OF FINE PARTICULATE MATTER, ITS CHEMICAL CONSTITUENTS AND GASEOUS POLLUTANTS IN U.S. CITIES.
Notice bibliographique
Résumé
Background and Aims: U.S., European, and Canadian multi-city studies have shown relatively consistent short-term mortality effects of particulate matter (PM) and ozone. However, there is less information available for the effects of other gaseous pollutants and the role of PM chemical components. The objective of this study was to identify specific characteristics (e.g., source type) of the air pollution mixture in major U.S. cities. Methods: We assembled and analyzed mortality and air pollution data for 64 major U.S. cities where fine particulate matter (PM2.5), key PM2.5 chemical constituents, ozone (O3), nitrogen dioxide (NO2), carbon monoxide, and sulfur dioxide were all available for the years 2001-2006. In addition to analyzing individual pollutants, we conducted factor analysis with PM2.5 chemical constituents and gaseous pollutants. All-cause mortality risk estimates for the pollutants at lag 0 through 3 days were estimated using Poisson regression models in individual cities, adjusting for temporal trends, immediate and delayed temperature, and day of week. Risk estimates from individual cities were combined in a second-stage random effects model. Results: Of the criteria pollutants, PM2.5, NO2, and O3 were each associated with all-cause daily deaths, with NO2 showing the strongest association (e.g., percent excess death of 0.33% [95%CI: 0.17, 0.49] per 10 ppb increase in 24-hr average at lag 1 day). Factor analysis yielded several components that could be interpreted as traffic (EC, OC, NO2), soil (Al, Si), metals (Pb, Zn), coal (As, Se), sea salt (Na, Cl), and residual oil (Ni, V). Soil and traffic factors showed significant or nearly significant associations with mortality, with magnitudes similar to those for the criteria pollutants per comparable distributional increment, despite the smaller sample size. Conclusion: Both regional and local pollutants contribute to short-term mortality effects. Acknowledgement: This research supported by the Health Effects Institute’s National Particle Component Toxicity Initiative.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».