Long-Term Exposure To Air Pollution And Traffic Noise And Global Cognitive Score – Results From The Heinz Nixdorf-Recall Study
Notice bibliographique
Résumé
Introduction: Investigations of adverse effects of air pollution (AP) and ambient noise on cogni-tive function are scarce, and their results are inconsistent. The aim of this study was to analyze the associations of long-term exposure to AP and traffic noise with a global cognitive score (GCS) in single and two-exposure models. Data: Our analysis is based on cross-sectional data from the first follow-up examination (2006-2008) of the population-based Heinz Nixdorf Recall study, located in three adjacent in the highly urbanized German Ruhr Area. Methods: Cognitive performance was completed in 4086 of 4157 participants using five subtests: verbal fluency, labyrinth test, immediate and delayed verbal recall, and clock-drawing tests. The GCS was additively calculated using age- and education-specific z scores of the five subtests. We assessed long-term residential concentrations for size-specific particulate matter (PM) and nitrogen oxides with land use regression and dispersion models, and traffic noise (weighted 24-h (LDEN) and night-time (LNIGHT) means) according to the EU directive 2002/49/EC. Multiple linear regression models adjusted for individual risk factors (age, sex, socio-economic status, alcohol consumption, smoking status, self-reported passive smoking, any regular physical activity, and body mass index) were calculated for the association of environmental exposures with GCS. Results: In the fully adjusted model, AP and noise were negatively associated with GCS. For example, an interquartile range (IQR) increase in PM2.5 (1.43 µg/m3) was associated with a de-crease in GCS of β =-0.05 [95% confidence interval (CI) -0.0.8;-0.03] and for a 10 dB(A) increase in LDEN, β was -0.07 [-0.13; -0.01]). In two-exposure models, the estimates remained stable and significant for AP, but slightly attenuated for noise. Discussion: Long-term exposures to AP and road traffic noise were adversely associated with GCS in one- and two exposure models.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».