A National County-Level Assessment of U.S. Nursing Facility Characteristics Associated with Long-Term Exposure to Traffic Pollution in Older Adults
Notice bibliographique
Résumé
Background: Long-term exposure to ambient air pollution increases disease risk in older adults. Nursing facilities located near major roadways potentially expose older adults to traffic pollution. No studies, however, have described the association between nursing facilities and traffic pollution.Methods:We obtained data on facility- and census-tract-level characteristics of 15,706 U.S. facilities from the Medicare Nursing Home Compare datasets. We calculated distance to major roadways and traffic density for each facility.Results: In the contiguous U.S. (as of 2014), 345,792 older adults, about 27% of residents in non-hospital facilities, lived within 150 m major roadways (A1 or A2) in 3876 (28% of sampled) facilities. Nationally, for-profit facilities, high-occupancy facilities, and facilities in census tracts with higher percentages of minorities were more likely to have higher exposure to traffic. Counties in Virginia, New York City, and Rhode Island have the highest percent of residents and facilities near major roads.Conclusion: Nationally, over one-quarter of sampled facilities are located near major roadways. Attributes potentially associated with higher exposure to traffic included “for-profit” and “higher minority census tract”. Proximity to major roadways may be an important factor to consider in siting nursing facilities. Our results inform potential intervention strategy at both county and facility level.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».