Differential Mortality Risks Associated With PM2.5 Components
Notice bibliographique
Résumé
Background: The association between fine particulate matter (PM 2.5 ) and mortality widely differs between as well as within countries. Differences in PM 2.5 composition can play a role in modifying the effect estimates, but there is little evidence about which components have higher impacts on mortality. Methods: We applied a 2-stage analysis on data collected from 210 locations in 16 countries. In the first stage, we estimated location-specific relative risks (RR) for mortality associated with daily total PM 2.5 through time series regression analysis. We then pooled these estimates in a meta-regression model that included city-specific logratio-transformed proportions of seven PM 2.5 components as well as meta-predictors derived from city-specific socio-economic and environmental indicators. Results: We found associations between RR and several PM 2.5 components. Increasing the ammonium (NH 4 + ) proportion from 1% to 22%, while keeping a relative average proportion of other components, increased the RR from 1.0063 (95% confidence interval [95% CI] = 1.0030, 1.0097) to 1.0102 (95% CI = 1.0070, 1.0135). Conversely, an increase in nitrate (NO 3 − ) from 1% to 71% resulted in a reduced RR, from 1.0100 (95% CI = 1.0067, 1.0133) to 1.0037 (95% CI = 0.9998, 1.0077). Differences in composition explained a substantial part of the heterogeneity in PM 2.5 risk. Conclusions: These findings contribute to the identification of more hazardous emission sources. Further work is needed to understand the health impacts of PM 2.5 components and sources given the overlapping sources and correlations among many components.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,008 |
| 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) | 0,002 | 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 ».