Does exposure to air pollution increase the risk of acute care in young children with asthma? An Ontario, Canada study
Notice bibliographique
Résumé
Owing to their greater outdoor activity and ongoing lung development, children are particularly vulnerable to the harmful effects of exposure to fine particulate matter (PM2.5). However, the effects of PM2.5 components are poorly understood. This study aimed to use a longitudinal birth cohort of children with physician-diagnosed incident asthma to investigate the effect of PM2.5 components at birth on morbidity measured by health services utilization. Of 1277 Toronto Child Health Evaluation Questionnaire (T-CHEQ) participants, the study population included 362 children diagnosed with asthma who were followed for a mean of 13 years from birth until March 31, 2016, or loss-to-follow-up. Concentrations of PM2.5 and its components were assigned based on participants’ postal codes at birth. Study outcomes included counts of asthma, asthma-related, and all-cause health services use. Poisson regression in single-, two-, and multi-pollutant models was used to estimate rate ratios (RR) per interquartile range (IQR) increase of exposures. Covariates were included in all models to further adjust for potential confounding. The adjusted RR for sulfate (SO4) and all-cause hospitalizations was statistically significant with RR = 2.23 (95% confidence interval [CI]: 1.25–3.96) in a multi-pollutant model with nitrogen dioxide (NO2) and ozone (O3). In multi-pollutant models with oxidants, the adjusted RRs for SO4 of all-cause hospitalizations and emergency department (ED) visits were also statistically significant with RR = 2.31 (95% CI: 1.32–4.03) and RR = 1.39 (95% CI: 1.02–1.90), respectively. While unadjusted single-pollutant RRs for asthma-specific and asthma-related health services use with the SO4 component of PM2.5 were above one, none were statistically significant. This study found significant associations with exposure to SO4 in PM2.5 and all-cause acute care, chiefly for hospitalizations, in children with asthma.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».