Air pollution and mortality in a large, representative U.S. cohort: multiple-pollutant analyses, and spatial and temporal decompositions
Notice bibliographique
Résumé
Abstract Background Cohort studies have documented associations between fine particulate matter air pollution (PM2.5) and mortality risk. However, there remains uncertainty regarding the contribution of co-pollutants and the stability of pollution-mortality associations in models that include multiple air pollutants. Furthermore, it is unclear whether the PM2.5-mortality relationship varies spatially, when exposures are decomposed according to scale of spatial variability, or temporally, when effect estimates are allowed to change between years. Methods A cohort of 635,539 individuals was compiled using public National Health Interview Survey (NHIS) data from 1987 to 2014 and linked with mortality follow-up through 2015. Modelled air pollution exposure estimates for PM2.5, other criteria air pollutants, and spatial decompositions (< 1 km, 1–10 km, 10–100 km, > 100 km) of PM2.5 were assigned at the census-tract level. The NHIS samples were also divided into yearly cohorts for temporally-decomposed analyses. Cox proportional hazards models were used to estimate hazard ratios (HRs) and 95% confidence intervals (CIs) in regression models that included up to six criteria pollutants; four spatial decompositions of PM2.5; and two- and five-year lagged mean PM2.5 exposures in the temporally-decomposed cohorts. Meta-analytic fixed-effect estimates were calculated using results from temporally-decomposed analyses and compared with time-independent results using 17- and 28-year exposure windows. Results In multiple-pollutant analyses, PM2.5 demonstrated the most robust pollutant-mortality association. Coarse fraction particulate matter (PM2.5–10) and sulfur dioxide (SO2) were also associated with excess mortality risk. The PM2.5-mortality association was observed across all four spatial scales of PM2.5, with higher but less precisely estimated HRs observed for local (< 1 km) and neighborhood (1–10 km) variations. In temporally-decomposed analyses, the PM2.5-mortality HRs were stable across yearly cohorts. The meta-analytic HR using two-year lagged PM2.5 equaled 1.10 (95% CI 1.07, 1.13) per 10 μg/m3. Comparable results were observed in time-independent analyses using a 17-year (HR 1.13, CI 1.09, 1.16) or 28-year (HR 1.09, CI 1.07, 1.12) exposure window. Conclusions Long-term exposures to PM2.5, PM2.5–10, and SO2 were associated with increased risk of all-cause and cardiopulmonary mortality. Each spatial decomposition of PM2.5 was associated with mortality risk, and PM2.5-mortality associations were consistent over time.
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 | 0,027 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,017 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».