MétaCan
Menu
Retour à la cohorte
Enregistrement W2961015539 · doi:10.1371/journal.pone.0218673

Estimating minute ventilation and air pollution inhaled dose using heart rate, breath frequency, age, sex and forced vital capacity: A pooled-data analysis

2019· article· en· W2961015539 sur OpenAlexaff
Roby Greenwald, Matthew J. Hayat, Evi Dons, Luisa V. Giles, Rodrigo Villar, Djordje G. Jakovljević, Nicholas Good

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensUniversity of ManitobaDouglas College
Organismes subventionnairesNational Institute for Occupational Safety and HealthCenters for Disease Control and PreventionNational Institutes of HealthVlaamse regeringNational Institute of Environmental Health SciencesUniversidade de São PauloFonds Wetenschappelijk Onderzoek
Mots-clésVentilation (architecture)Vital capacityHeart rateMedicineEnvironmental scienceCardiologyInternal medicineBlood pressureMeteorologyLung functionLungGeography

Résumé

récupéré en direct d'OpenAlex

Air pollution inhaled dose is the product of pollutant concentration and minute ventilation ([Formula: see text]). Previous studies have parameterized the relationship between [Formula: see text] and variables such as heart rate (HR) and have observed substantial inter-subject variability. In this paper, we evaluate a method to estimate [Formula: see text] with easy-to-measure variables in an analysis of pooled-data from eight independent studies. We compiled a large diverse data set that is balanced with respect to age, sex and fitness level. We used linear mixed models to estimate [Formula: see text] with HR, breath frequency (fB), age, sex, height, and forced vital capacity (FVC) as predictors. FVC was estimated using the Global Lung Function Initiative method. We log-transformed the dependent and independent variables to produce a model in the form of a power function and assessed model performance using a ten-fold cross-validation procedure. The best performing model using HR as the only field-measured parameter was [Formula: see text] = e-9.59HR2.39age0.274sex-0.204FVC0.520 with HR in beats per minute, age in years, sex is 1 for males and 2 for females, FVC in liters, and a median(IQR) cross-validated percent error of 0.664(45.4)%. The best performing model overall was [Formula: see text] = e-8.57HR1.72fB0.611age0.298sex-0.206FVC0.614, where fB is breaths per minute, and a median(IQR) percent error of 1.20(37.9)%. The performance of these models is substantially better than any previously-published model when evaluated using this large pooled-data set. We did not observe an independent effect of height on [Formula: see text], nor an effect of race, though this may have been due to insufficient numbers of non-white participants. We did observe an effect of FVC such that these models over- or under-predict [Formula: see text] in persons whose measured FVC was substantially lower or higher than estimated FVC, respectively. Although additional measurements are necessary to confirm this finding regarding FVC, we recommend using measured FVC when possible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,060
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,060
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,065
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0040,015
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,091
Tête enseignante GPT0,265
Écart entre enseignants0,175 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAir Quality Monitoring and ForecastingTravaux en français237 207