Association between exposure to PM2.5 components and disease aggravation in Parkinson’s disease: an analysis in New York State
Notice bibliographique
Résumé
BACKGROUND AND AIM: Studies suggests that long-term fine particle matter (PM2.5) exposure may contribute to aggravation of Parkinson’s disease (PD), but overall results have been inconsistent. Among other factors, the differences may arise from variations in PM2.5 composition. In a previous study in New York State, we found a nonlinear PM2.5–PD association. To further characterize this association, here we evaluated long-term exposure to specific PM2.5 components in the same cohort. METHODS: We used data from the New York Department of Health Statewide Planning and Research Cooperative System (2000–2014) to construct annual county counts of first hospitalizations with a PD diagnosis. We used well-validated prediction models at 1km2 resolution to calculate county-level population-weighted annual concentrations of six PM2.5 components: black carbon, organic matter, nitrate, sulfate, sea salt, and soil. Exposure was assigned based on county of residence. We used mixed quasi-Poisson models with county-specific random intercepts to estimate rate ratios (RRs) and 95% confidence intervals (CI) for a 1-year exposure to each PM2.5 component. We allowed for nonlinear exposure–outcome relationships using penalized splines and accounted for potential geospatial and temporal confounders. RESULTS:We estimated a linear positive association between organic matter and disease aggravation in PD (RR=1.06, 95%CI: 1.04, 1.09 per one standard deviation (SD) increase) and a positive linear association with nitrate (RR=1.06, 95%CI: 1.03, 1.10 per one SD increase). We found no association with sulfate, sea salt, or soil exposure. CONCLUSIONS:Our results support that particle composition of PM2.5 may influence its adverse effects on PD. Specifically, we identified organic matter and nitrate as potentially important components in the PD–PM2.5 association. KEYWORDS: Air pollution, particle composition, Parkinson's disease, long-term exposures, disease aggravation
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».