Long-term exposure to moderate fine particulate matter concentrations and cause-specific mortality in an ageing society
Notice bibliographique
Résumé
BACKGROUND: Long-term exposure to particulate matter <2.5 μm in size (PM2.5) is considered a risk factor for premature death. However, only a few studies have been conducted in areas with moderate PM2.5 concentrations. Moreover, an ageing society may be more susceptible to environmental exposure and future burden of mortality due to PM2.5. METHODS: This study estimates hazard ratios (HRs) for all-cause and cause-specific mortality from long-term exposure to moderate PM2.5 concentrations in the elderly populations of seven cities in South Korea. We also projected nationwide elderly mortality caused by long-term exposure to PM2.5, accounting for population ageing until 2045. Mortality in 1 720 230 elderly adults aged ≥65 years in 2008 was monitored across 2009-16 and linked to modelled PM2.5 concentrations. RESULTS: A total of 421 100 deaths occurred in 2009-16, and the mean of annual PM2.5 concentration ranged between 21.1 and 31.9 μg/m3 in most regions. The overall HR for a 10 μg/m3 increase in a 36-month PM2.5 moving average was 1.024 (95% confidence intervals: 1.009, 1.039). We estimated that 11 833 all-cause nationwide elderly deaths were attributable to PM2.5 exposure. Annual death tolls may increase to 17 948 by 2045. However, if PM2.5 is reduced to 5 μg/m3 by 2045, the tolls may show a lower increase to 3646. CONCLUSIONS: Long-term exposure to moderately high levels of PM2.5 was associated with increased mortality risk among the elderly. Thus, PM2.5 reduction in response to the projected ageing-associated mortality in South Korea is critical.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».