MétaCan
Menu
Retour à la cohorte
Enregistrement W3091903274 · doi:10.9778/cmajo.20190160

Temporal and spatial effect of air pollution on hospital admissions for myocardial infarction: a case-crossover study

2020· article· en· W3091903274 sur OpenAlexafffundvenue
Xiaoxiao Liu, Stefania Bertazzon, Paul J. Villeneuve, Markey Johnson, Dave Stieb, Stephanie Coward, Divine Tanyingoh, Joseph W. Windsor, Fox E. Underwood, Michael D. Hill, Doreen M. Rabi, William A. Ghali, Stephen B. Wilton, Matthew T. James, Michelle M. Graham, M. Sean McMurtry, Gilaad G. Kaplan

Notice bibliographique

RevueCMAJ Open · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensCarleton UniversityUniversity of CalgaryUniversity of AlbertaHealth CanadaMontreal Heart InstituteAir Canada
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAir pollutionParticulatesOdds ratioNitrogen dioxideAir quality indexConditional logistic regressionEnvironmental scienceMedicineConfidence intervalPollutionEnvironmental healthMeteorologyGeographyInternal medicineChemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In studies showing associations between ambient air pollution and myocardial infarction (MI), data have been lacking on the inherent spatial variability of air pollution. The aim of this study was to determine whether the long-term spatial distribution of air pollution influences short-term temporal associations between air pollution and admission to hospital for MI. METHODS: concentrations derived from land use regression models; results of these analyses are presented as odds ratios (ORs) with 95% confidence intervals (CIs). RESULTS: tertiles, the AQHI score was associated with MI (e.g., 5-day average OR 1.13, 95% CI 1.02-1.24, per IQR; 3-day average OR 1.13, 95% CI 1.04-1.23, per IQR). INTERPRETATION: concentrations. Individuals living in neighbourhoods with higher traffic-related pollution should be advised of the health risks and be attentive to special air quality warnings.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,117
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,349
Écart entre enseignants0,307 · 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.

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

Citations18
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCMAJ OpenMême sujetAir Quality and Health ImpactsTravaux en français237 207