Associations of long-term exposure to fine particulate matter and its constituents with cardiovascular mortality: A prospective cohort study in China
Notice bibliographique
Résumé
Few studies have evaluated long-term cardiovascular effects of fine particulate matter (PM2.5) and its constituents in countries with high air pollution levels. We aimed to investigate the associations of long-term exposure to PM2.5 and constituents with cardiovascular mortality in China. We conducted a prospective cohort study of 90,672 adults ≥ 18 years from 2010 to 2017 in 161 districts/counties across China. The residential annual-average exposure to PM2.5 and 6 main components from 2011 to 2017 were estimated by satellite-based and chemical transport models. Associations of PM2.5 and constituents with cardiovascular mortality were analyzed by competing-risk Cox proportional hazards regression. The average PM2.5 exposure throughout the whole period was 46 ± 22 μg/m3. The hazard ratios of mortality (95% confidence intervals) per 10 μg/m3 increase in PM2.5 concentrations were 1.02 (1.00, 1.05) for overall cardiovascular disease, 1.05 (1.01, 1.09) for ischemic heart disease, 1.03 (1.00, 1.06) for overall stroke, 0.99 (0.94, 1.04) for hemorrhagic stroke, and 1.11 (1.04, 1.19) for ischemic stroke. PM2.5 constituents from fossil fuel combustion (i.e., black carbon, organic matter, nitrate, ammonium, and sulfate) showed larger hazard ratios than PM2.5 total mass, while soil dust showed no risks. This nationwide cohort study demonstrated associations of long-term exposure to PM2.5 and its constituents with increased risks of cardiovascular mortality in the general population of China. Our study highlighted the importance of PM2.5 constituents from fossil fuel combustion in the long-term cardiovascular effects of PM2.5 in China.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».