Long-term exposure to air pollution and mortality in a prospective cohort: The Ontario Health Study
Notice bibliographique
Résumé
Air pollution has been associated with increased mortality. However, updated evidence from cohort studies with detailed information on various risk factors is needed, especially in regions with low air pollution levels. We investigated the associations between long-term exposure to air pollution and mortality in a prospective cohort. We studied 88,615 participants aged ≥30 years from an ongoing cohort study in Ontario, Canada from 2009 to 2017. Exposure to ambient fine particulate matter (PM2.5) and nitrogen dioxide (NO2) was estimated at participants’ residence. Cox proportional hazard models were used to investigate the associations between air pollution and non-accidental, cardiovascular, and respiratory mortality, adjusted for a wide array of individual-level and contextual covariates. Potential effect modification by socio-demographic and behavioral factors was also examined in exploratory stratified analyses. The fully adjusted hazard ratios (HRs) per 1 µg/m3 increment in PM2.5 were 1.037 [95% confidence interval (CI): 1.018, 1.057]¸ 1.083 (95% CI: 1.040, 1.128) and 1.109 (95% CI: 1.035, 1.187) for non-accidental, cardiovascular, and respiratory mortality, respectively. Positive associations were also found for NO2; the corresponding HRs per 1 ppb increment were 1.027 (95% CI: 1.021, 1.034), 1.032 (95% CI: 1.019, 1.046) and 1.044 (95% CI: 1.020, 1.068). We found suggestive evidence of stronger associations in physically active participants, smokers, and those with lower household income. Long-term exposure to PM2.5 and NO2 was associated with increased risks for non-accidental, cardiovascular, and respiratory mortality, suggesting potential benefits of further improvement in air quality even in low-exposure environments.
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 | 0,000 |
| 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) | 0,003 | 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 ».