The association between air pollution and hospitalization for patients with systemic lupus erythematosus in Chile: A daily time series analysis
Notice bibliographique
Résumé
Genetic and environmental factors are thought to influence the activity of systemic lupus erythematosus (SLE), but relatively little is known about the effects of ambient air pollution. Using pollution data from air monitoring stations in the urban centers in Santiago Chile, along with daily patient hospitalization data from 2001 to 2012, an association between ambient air pollution and daily hospital admissions for SLE was tested using generalized linear models. Averaged over all regions pollutant mean 24 h concentrations were: 0.96 ppm carbon monoxide (CO), 64 ppb ozone (O3), 43 ppb nitrogen dioxide (NO2), 9 ppb sulphur dioxide (SO2), 29 μg/m3 particulate matter ≤ 2.5 μm in mean aerodynamic diameter (PM2.5), and 67 μg/m3 particulate matter ≤ 10 μm in diameter (PM10). The relative risk estimates in single pollutant models for an interquartile range (IQR) increase in pollutant were: RR = 1.34 (95% CI: 1.06–1.83) for SO2, RR = 1.60 (95% CI: 1.15–2.24) for CO, and RR = 1.41 (95% CI: 1.14–1.86) for PM2.5. In two-pollutant models, the significance of SO2 and PM2.5 persisted despite adjustments for each of the other measured pollutants. These findings suggest that acute increases in air pollution increase the risk of hospitalization with a primary diagnosis of SLE.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».