Cardiovascular morbidity and mortality associations with biomass- and fossil-fuel-combustion fine-particulate-matter exposures in Dhaka, Bangladesh
Notice bibliographique
Résumé
BACKGROUND: Fine-particulate-matter (i.e. with an aerodynamic diameter of ≤2.5 µm, PM2.5) air pollution is commonly treated as if it had 'equivalent toxicity', irrespective of the source and composition. We investigate the respective roles of fossil-fuel- and biomass-combustion particles in the PM2.5 relationship with cardiovascular morbidity and mortality using tracers of sources in Dhaka, Bangladesh. Results provide insight into the often observed levelling of the PM2.5 exposure-response curve at high-pollution levels. METHODS: A time-series regression model, adjusted for potentially confounding influences, was applied to 340 758 cardiovascular disease (CVD) emergency-department visits (EDVs) during January 2014 to December 2017, 253 407 hospital admissions during September 2013 to December 2017 and 16 858 CVD deaths during January 2014 to October 2017. RESULTS: Significant associations were confirmed between PM2.5-mass exposures and increased risk of cardiovascular EDV [0.27%, (0.07% to 0.47%)] at lag-0, hospitalizations [0.32% (0.08% to 0.55%)] at lag-0 and deaths [0.87%, (0.27% to 1.47%)] at lag-1 per 10-μg/m3 increase in PM2.5. However, the relationship of PM2.5 with morbidity and mortality effect slopes was less steep and non-significant at higher PM2.5 concentrations (during crop-burning-dominated exposures) and varied with PM2.5 source. Fossil-fuel-combustion PM2.5 had roughly a four times greater effect on CVD mortality and double the effect on CVD hospital admissions on a per-µg/m3 basis than did biomass-combustion PM2.5. CONCLUSION: Biomass burning was responsible for most PM2.5 air pollution in Dhaka, but fossil-fuel-combustion PM2.5 dominated the CVD adverse health impacts. Such by-source variations in the health impacts of PM2.5 should be considered in conducting ambient particulate-matter risk assessments, as well as in prioritizing air-pollution-mitigation measures and clinical advice.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».