MétaCan
Menu
Retour à la cohorte
Enregistrement W2944092096 · doi:10.1016/j.envint.2019.04.047

Complex relationships between greenness, air pollution, and mortality in a population-based Canadian cohort

2019· article· en· W2944092096 sur OpenAlexafffundabout
Dan L. Crouse, Lauren Pinault, Adele Balram, Michael Bräuer, Richard T. Burnett, Randall V. Martin, Aaron van Donkelaar, Paul J. Villeneuve, Scott Weichenthal

Notice bibliographique

RevueEnvironment International · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMcGill University Health CentreCarleton UniversityUniversity of New BrunswickDalhousie UniversityHealth CanadaUniversity of British ColumbiaMcGill UniversityStatistics Canada
Organismes subventionnairesCanadian Institutes of Health ResearchU.S. Geological SurveyCanada Foundation for InnovationNova Scotia Department of Health and WellnessFondation de la recherche en santé du Nouveau-BrunswickSocial Sciences and Humanities Research Council of CanadaNova Scotia Health Research FoundationUniversity of New Brunswick
Mots-clésInterquartile rangeDemographyMedicineHazard ratioConfidence intervalCohortEpidemiologyCohort studyEnvironmental healthResidencePopulationProportional hazards modelMortality rateGerontologySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: , greenness, and mortality. METHODS: exposure and mortality across quintiles of greenness measured within 500 m of individual's place of residence during 11 years of follow-up. We adjusted our survival models for many personal and contextual measures of socioeconomic position, and residential mobility data allowed us to characterize annual changes in exposures. RESULTS: among those living in the greenest areas. For example, the HR for cardiovascular mortality among individuals in the least green areas was 1.17 (95% CI: 1.12-1.23) compared to 1.01 (95% CI: 0.97-1.06) among those in the greenest areas. CONCLUSIONS: and mortality than those living in deprived areas with less greenness. The findings from this study extend our understanding of how living in greener areas may lead to improved health outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,065
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,289
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

Citations153
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironment InternationalMême sujetAir Quality and Health ImpactsTravaux en français237 207