A Crossover Study of In-Vehicle Air Filtration and Acute Changes in Heart Rate Variability and Cognition among Healthy Adults
Notice bibliographique
Résumé
Background: Traffic-related air pollutants (TRAP) are known to negatively affect cardiovascular health, and personal exposures may be highest during rush hour commutes. We examined the effectiveness of cabin air filtration at reducing in-vehicle exposures to TRAP, and whether these exposures were associated with short term changes in heart rate variability (HRV) and cognition in healthy adults.Methods: A crossover study of cabin air filtration and in-cabin exposure to TRAP was conducted in Montreal, Canada in 2014. Forty-eight participants were exposed to TRAP during two separate commutes of approximately 90 minutes: one trip with an electrostatic cabin air filter and one trip without a cabin air filter. In-vehicle and outdoor rooftop measures of ultrafine particles (UFPs), fine particle matter (PM2.5), black carbon (BC), nitrogen dioxide (NO2), and volatile organic compounds (VOCs) were collected during the commute. HRV parameters were measured before, during, and after each exposure period. Linear mixed effects models were used to examine relationships between in-cabin air pollution concentrations and changes in time and frequency domain measures of HRV.Results: The cabin air filter reduced in-vehicle UFP concentrations by 28%, (mean difference= 26,232/cm3, 95% CI: 11,733-40,730), PM2.5 by 30% (mean difference= 6 ug/m3 95% CI: 5-8), and BC by 32% (mean difference= 1,348 ng/m3 95% CI: -1,654-1,042 ng/m3). The air filter did not reduce in-vehicle concentrations of NO2 or VOCs. In general, cabin air filtration was not consistently associated with changes in HRV. PM2.5, UFPs and BC were positively associated with changes in both time and frequency-domain measures of HRV during and after the commute; these associations tended to be stronger among women.Conclusions: Electrostatic cabin air filters can lower in-vehicle exposures to TRAP, particularly those pollutants produced in high concentrations by diesel vehicle traffic, and may modify acute cardiac effects of TRAP.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».