Geographical Variation of COPD Mortality and Related Risk Factors in Jiading District, Shanghai
Notice bibliographique
Résumé
Background: Chronic obstructive pulmonary disease (COPD) is the fourth leading cause of death in China. Although numerous studies have been conducted to determine the risk factors for COPD mortality such as ambient air pollution, the results are not fully consistent. Methods: This study included mortality analysis and a case-control design by using the data extracted from the Mortality Registration System in Jiading District, Shanghai. Traditional logistic regression, geographically weighted logistic regression (GWLR), and spatial scan statistical analysis were performed to explore the geographic variation of COPD mortality and the possible influencing factors. Results: Traditional logistic regression showed that extreme lower temperature in the month prior to death, shorter distance to highway, lower GDP level were associated with increased COPD mortality. GWRL model further demonstrated obvious geographical discrepancies for the above associations. We additionally identified a significant cluster of low COPD mortality (OR = 0.36, P = 0.002) in the southwest region of Jiading District with a radius of 3.55 km by using the Bernoulli model. The geographical variation in age-standardized mortality rate for COPD in Jiading District was explained to a certain degree by these factors. Conclusion: The risk of COPD mortality in Jiading District showed obvious geographical variation, which were partially explained by the geographical variations in effects of the extreme low temperature in the month prior to death, residential proximity to highway, and GDP level.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».