An ecological analysis of long-term exposure to PM2.5 and incidence of COVID-19 in Canadian health regions
Notice bibliographique
Résumé
Ambient fine particulate matter (PM2.5) is associated with a wide range of acute and chronic health effects, including increased risk of respiratory infection. However, evidence specifically related to novel coronavirus disease (COVID-19) is limited. COVID-19 case counts for 111 Canadian health regions were obtained from the COVID-19 Canada Open Data portal. Annual PM2.5 data for 2000–2016 were estimated from a national exposure surface based on remote sensing, chemical transport modelling and ground observations, and minimum and maximum temperature data for 2000–2015 were based on a national interpolated surface derived from thin-plate smoothing splines. Population counts and sociodemographic data by health region were obtained from the 2016 census, and health data (self-rated health and prevalence of smoking, obesity, and selected chronic diseases) by health region, were obtained from the Canadian Community Health Survey. Data on total number of COVID-19 tests and changes in mobility comparing post-vs. pre-introduction of social distancing measures were available by province. Data were analyzed using negative binomial regression models. After controlling for province, temperature, demographic and health characteristics and days since peak incidence by health region, long-term PM2.5 exposure exhibited a positive association with COVID-19 incidence (incidence rate ratio 1.07, 95% confidence interval 0.97–1.18 per μg/m3). This association was larger in magnitude and statistically significant in analyses excluding provinces that reported cases only for aggregated health regions, excluding health regions with less than median population density, and restricted to the most highly affected provinces (Quebec and Ontario). We observed a positive association between COVID-19 incidence and long-term PM2.5 exposure in Canadian health regions. The association was larger in magnitude and statistically significant in more highly affected health regions and those with potentially less exposure measurement error. While our results generate hypotheses for further testing, they should be interpreted with caution and require further examination using study designs less prone to bias.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».