Daily Mortality/Morbidity and Air Quality: Using Multivariate Time Series with Seasonally Varying Covariances
Notice bibliographique
Résumé
Abstract We study the associations between daily mortality and short-term variations in the ambient concentrations of fine particulate matter (PM2.5), nitrogen dioxide (NO2) and ozone (O3) in four cities in Canada. First, a novel multivariate time series model within Bayesian framework is proposed for exposure assessment, where the response is a mixture of Gamma and Half-Cauchy distributions and the correlations between pollutants vary seasonally. A case-crossover design and conditional logistic regression model is used to relate exposure to disease data for each city, which then are combined to obtain a global estimate of exposure health effects allowing exposure uncertainty. The results suggest that every 10 ppb increase in O3 is associated with a 3.88% (95% credible interval [CI], 2.5%, 5.18%) increase in all-cause mortality, a 5.04% (2.84%, 7.43%) increase in circulatory mortality, a 7.87% (2.4%, 12.9%) increase in respiratory mortality, a 0.76% (0.19%, 1.35%) increase in all-cause morbidity and a 6.6% (0.58%, 12.7%) increase in respiratory morbidity. Similarly, every 10 ppb increase in NO2 is associated with a 2.13% (0.42%, 3.87%) increase in circulatory morbidity. The health impacts of PM2.5 are not found to be present once other pollutants are accounted for.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».