An Investigation of Thresholds in Air Pollution-Mortality Effects
Notice bibliographique
Résumé
In this paper we introduce and implement new techniques to investigate threshold effects in air pollution-mortality relationships. Our key interest is in measuring the dose-response relationship above and below a given threshold level where we allow for a large number of potential explanatory variables to trigger the threshold effect. This is in contrast to existing approaches that usually focus on a single threshold trigger. We allow for a myriad of threshold effects within a Bayesian statistical framework that accounts for model uncertainty (i.e. uncertainty about which threshold trigger and explanatory variables are appropriate). We apply these techniques in an empirical exercise using daily data from Toronto for 1992-1997. We investigate the existence and nature of threshold effects in the relationship between mortality and ozone (O3), total particulate matter (PM) and an index of other conventionally occurring air pollutants. In general, we find the effects of our considered pollutants on mortality to be statistically indistinguishable from zero with no evidence of thresholds. The one exception is ozone, for which results present an ambiguous picture. Ozone has no significant effect on mortality when we exclude threshold effects from the analysis. Allowing for thresholds we find a positive and significant effect for this pollutant when the threshold trigger is the average change in ozone two days ago. However, this significant effect is not observed after controlling for PM.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».