Respiratory and cardiovascular condition-related physician visits associated with wildfire smoke exposure in Calgary, Canada, in 2015: a population-based study
Notice bibliographique
Résumé
BACKGROUND: We studied the impact of fine particulate matter (PM2.5) exposure due to a remote wildfire event in the Pacific Northwest on daily outpatient respiratory and cardiovascular physician visits during wildfire (24-31 August, 2015) and post-wildfire period (1-30 September, 2015) relative to the pre-wildfire period (1-23 August, 2015) in the city of Calgary, Canada. METHODS: A quasi-Poisson regression model was used for modelling daily counts of physician visits due to PM2.5 while adjusting for day of the week (weekday versus weekend or public holiday), wildfire exposure period (before, during, after), methane, relative humidity, and wind direction. A subgroup analysis of those with pre-existing diabetes or hypertension was performed. RESULTS: An elevated risk of respiratory disease morbidity of 33% (relative risk: RR) [95% confidence interval (CI): 10%-59%] and 55% (95% CI: 42%-69%) was observed per 10µg/m3 increase in PM2.5 level during and after wildfire, respectively, relative to the pre-wildfire time period. Increased risk was observed for children aged 0-9 years during (RR = 1.57, 95% CI: 1.21-2.02) and after the wildfire (RR = 2.11, 95% CI: 1.86-2.40) especially for asthma, acute bronchitis and acute respiratory infection. The risk of physician visits among seniors increased by 11% (95% CI: 3%-21%), and 19% (95% CI: 7%-33%) post-wildfire for congestive heart failure and ischaemic heart disease, respectively. Individuals with pre-existing diabetes had an increased risk of both respiratory and cardiovascular morbidity in the post-wildfire period (RR = 1.35, 95% CI: 1.09-1.67; RR = 1.22, 95% CI: 1.01-1.46, respectively). CONCLUSIONS: Wildfire-related PM2.5 exposure led to increased respiratory condition-related outpatient physician visits during and after wildfires, particularly for children. An increased risk of physician visits for congestive heart failure and ischaemic heart disease among seniors in the post-wildfire period was also observed.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 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 ».