Long-term exposures to ambient PM<sub>1</sub> and NO<sub>2</sub> pollution in relation to mild cognitive impairment of male veterans in China
Notice bibliographique
Résumé
Abstract Mild cognitive impairment (MCI) is an intermediate stage of cognitive decline between normal ageing and dementia or Alzheimer’s disease in the elderly. However, evidence is very limited in China for the association between air pollution and MCI. This study aims to examine the associations of long-term exposure to air pollution and MCI, using data from the Chinese Veteran Clinical Research Platform. A national investigation on mental health of veterans was conducted in 277 veteran communities in 18 cities across China. In total, 1,861 MCI cases and 3,188 controls were randomly selected using a stratified cluster sampling strategy from December 2009 to December 2011. Participants’ cognitive function was first assessed using the Mini Mental State Examination and the Montreal Cognitive Assessment in the Chinese version, and then further confirmed by clinical examination. Participants’ mean exposures to PM1 (particulate matter with aerodynamic diameter ⩽1 μm) and NO2 (nitrogen dioxide) during the 3 years before the investigation were estimated using satellite remote sensing data, meteorological variables and land use information. The association between historical exposure to air pollution and MCI was examined using Logistic regression. After controlling for individual-level and regional-level confounders, we found historical exposures to PM1 and NO2 significantly increased the risk of MCI. The odds ratios (ORs associated with per 10 µg m−3 increase in air pollution) and 95% confidence intervals for PM1 and NO2 were 1.08 (1.04, 1.13) and 1.07 (1.02, 1.13), respectively. In the multi-pollutant models, higher OR for PM1 while lower OR for NO2 were observed compared to single-pollutant models. High levels of PM1 and NO2 pollution significantly increased the risk of cognitive decline among male veterans in China. Given the causal air pollution-MCI relationship, good air quality may help to reduce the burden of mental disorders among elderly veterans 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».