Ambient air pollution exposure and chronic bronchitis in the Lifelines cohort
Notice bibliographique
Résumé
Background Few large studies have assessed the relationship of long-term ambient air pollution exposure with the prevalence and incidence of symptoms of chronic bronchitis and cough. Methods We leveraged Lifelines cohort data on 132 595 (baseline) and 65 009 (second assessment) participants linked to ambient air pollution estimates. Logistic regression models adjusted for sex, age, educational attainment, body mass index, smoking status, pack-years smoking and environmental tobacco smoke at home were used to assess associations of air pollution with prevalence and incidence of chronic bronchitis (winter cough and sputum almost daily for ≥3 months/year), chronic cough (winter cough almost daily for ≥3 months/year) and prevalence of cough and sputum symptoms, irrespective of duration. Results Associations were seen for all pollutants for prevalent cough or sputum symptoms. However, for prevalent and incident chronic bronchitis, statistically significant associations were seen for nitrogen dioxide (NO 2 ) and black carbon (BC) but not for fine particulate matter (PM 2.5 ). For prevalent chronic bronchitis, associations with NO 2 showed OR: 1.05 (95% CI: 1.02 to 1.08) and with BC OR: 1.06 (95% CI: 1.03 to 1.09) expressed per IQR; corresponding results for incident chronic bronchitis were NO 2 OR: 1.07 (95% CI: 1.02 to 1.13) and BC OR: 1.07 (95% CI: 1.02 to 1.13). In subgroup analyses, slightly stronger associations were observed among women, never smokers and younger individuals. Conclusion This is the largest analysis to date to examine cross-sectional and longitudinal associations between ambient air pollution and chronic bronchitis. NO 2 and BC air pollution was associated with increased odds of prevalent and incident chronic bronchitis.
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 | 0,001 | 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 | 0,000 | 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 ».