Particulate Matter Air Pollution Effects on Pulmonary Tuberculosis Activation in a Semi-Desert City on the US-Mexican Border
Notice bibliographique
Résumé
In this paper, we assessed the association (relative risk, RR) between the exposure to PM10 and PM2.5 (as a continuous variable and as categories of low or high pollution exposure) on the incidence of pulmonary tuberculosis (PTB) in Mexicali, Baja California, Mexico. We used a weekly, lagged multiple Poisson regression model. We observed a 10-week delayed effect for PM10 and PM2.5 in all PTB cases and in male cases with PTB. An 11-week delayed effect occurred in the female PTB cases. For all the PTB cases, the RR rose by 2.4% (95% CI: 2.1, 2.6, p<0.10) for each 10 µg/m3 increase of PM10 in the continuous exposure and by 3.6% (CI: 3.3, 4.0, p<0.05) in the high pollution exposure category, and by 3.2% (CI: 2.9, 3.4, p<0.05) for each 10 µg/m3 increase of PM2.5 in the continuous exposure and by 3.9% (CI: 3.6, 4.3, p<0.05) in the high pollution exposure category. In men, the RR rose by 2.8% (CI: 2.5, 3.1, p<0.10) for each 10 µg/m3 increase of PM10 in the continuous exposure and by 4.6% (CI: 4.2, 5.0, p<0.05) in the high pollution exposure category, and by 3.4% (CI: 3.1, 3.7, p<0.05) for each 10 µg/m3 increase of PM2.5 in the continuous exposure and by 4.2% (CI: 3.8, 4.6, p<0.05) in the high pollution exposure category. In women, the RR rose by 5.1% (CI: 4.7, 5.5, p<0.05) for each 10 µg/m3 increase of PM10 in the continuous exposure and by 5.3% (CI: 4.7, 5.8, p<0.10) in the high pollution exposure category, and by 4.3% (CI: 3.8, 4.8, p<0.10) for each 10 µg/m3 increase of PM2.5 in the continuous exposure and by 5.3% (CI: 4.8, 5.9, p<0.10) in the high pollution exposure category. PM air pollution appears to associate with the incidence of PTB in the population of Mexicali.
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 | 0,000 | 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 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».