Association of fine particulate matter air pollution and its constituents with lung function: The China Pulmonary Health study
Notice bibliographique
Résumé
The associations of long-term exposure to various constituents of fine particulate matter (≤2.5 μm in aerodynamic diameter, PM2.5) air pollution with lung function were not clearly elucidated in developing countries. The aim was to evaluate the associations of long-term exposure to main constituents of PM2.5 with lung function in China. This is a nationwide, cross-sectional analysis among 50,991 study participants from the China Pulmonary Health study. Multivariable linear regression models were used to obtain differences of forced expiratory volume in 1 s (FEV1), forced vital capacity (FVC), FEV1/FVC, peak expiratory flow (PEF), and forced expiratory flow at 25–75% of exhaled FVC (FEF25-75%) associated with an interquartile range (IQR) change of PM2.5 or its constituents. Residential annual PM2.5 levels varied from 26 μg/m3 to 92 μg/m3 (average: 53 μg/m3). An IQR increase of PM2.5 concentrations was associated with lower FEV1 (19.82 mL, 95% CI: 11.30–28.33), FVC (17.45 mL, 95% CI: 7.16–27.74), PEF (86.64 mL/s, 95% CI: 59.77–113.52), and FEF25-75% (31.93 mL/s, 95% CI: 16.64–47.22). Black carbon, organic matter, ammonium, sulfate, and nitrate were negatively associated with most lung function indicators, with organic matter and nitrate showing consistently larger magnitude of associations than PM2.5 mass. This large-scale study provides first-hand epidemiological evidence that long-term exposure to ambient PM2.5 and some constituents, especially organic matter and nitrate, were associated with lower large- and small- airway function.
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) | 0,004 | 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 ».