Effect modification of greenness on PM<sub>2.5</sub>associated all-cause mortality in a multidrug-resistant tuberculosis cohort
Notice bibliographique
Résumé
Rationale Evidence for the association between fine particulate matter (PM2.5) and mortality among patients with tuberculosis (TB) is limited. Whether greenness protects air pollution-related mortality among patients with multidrug-resistant tuberculosis (MDR-TB) is completely unknown. Methods 2305 patients reported in Zhejiang and Ningxia were followed up from MDR-TB diagnosis until death, loss to follow-up or end of the study (31 December 2019), with an average follow-up of 1724 days per patient. 16-day averages of contemporaneous Normalised Difference Vegetation Index (NDVI) in the 500 m buffer of patient’s residence, annual average PM2.5and estimated oxidant capacity Oxwere assigned to patients regarding their geocoded home addresses. Cox proportional hazards regression models were used to estimate HRs per 10 μg/m3exposure to PM2.5and all-cause mortality among the cohort and individuals across the three tertiles, adjusting for potential covariates. Results HRs of 1.702 (95% CI 1.680 to 1.725) and 1.169 (1.162 to 1.175) were observed for PM2.5associated with mortality for the full cohort and individuals with the greatest tertile of NDVI. Exposures to PM2.5were stronger in association with mortality for younger patients (HR 2.434 (2.432 to 2.435)), female (2.209 (1.874 to 2.845)), patients in rural (1.780 (1.731 to 1.829)) and from Ningxia (1.221 (1.078 to 1.385)). Cumulative exposures increased the HRs of PM2.5-related mortality, while greater greenness flattened the risk with HRs reduced in 0.188–0.194 on average. Conclusions Individuals with MDR-TB could benefit from greenness by having attenuated associations between PM2.5and mortality. Improving greener space and air quality may contribute to lower the risk of mortality from TB/MDR-TB and other diseases.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».