Notice bibliographique
Résumé
The risk of incident hypertension associated with long-term exposure to fine particulate matter (PM<sub>2.5</sub>) was still unclear by studies conducted in North America and Europe, and this relationship has rarely been quantified at higher ambient concentrations typically found in developing countries. We aimed to investigate the association between PM<sub>2.5</sub> and incident hypertension using the large-scale prospective cohorts in China. We included 59 456 participants without hypertension aged ≥18 years from the China-PAR (Prediction for Atherosclerotic Cardiovascular Disease Risk in China) project. Data on ambient PM<sub>2.5</sub> at participants' residential address were obtained during 2004 to 2015 using a satellite-based spatial-temporal model. Hazard ratios and 95% CIs were calculated for incident hypertension using stratified Cox proportional hazards models with adjustment of potential confounders. The findings indicated that average PM<sub>2.5</sub> concentration from 2004 to 2015 at study participants' address was 77.7 μg/m<sup>3</sup>. During the follow-up of 364 947 person-years, we identified 13 981 incident hypertension cases. Compared with the lowest quartile exposure of PM<sub>2.5</sub>, participants in the highest quartile had an increased risk of incident hypertension with a hazard ratio (95% CI) of 1.77 (1.56-2.00). Each 10 μg/m<sup>3</sup> increment of PM<sub>2.5</sub> concentration could increase 11% risk of hypertension (hazard ratio, 1.11; 95% CI, 1.05-1.17). This cohort study provided the first evidence from China that long-term exposure to PM<sub>2.5</sub> was independently associated with incident hypertension at relatively high ambient concentrations. Stringent strategies on PM<sub>2.5</sub> pollution control are warranted to improve the air quality and contribute to the reduction of disease burden of hypertension in China.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,004 | 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 ».