Notice bibliographique
Résumé
Abstract There is growing evidence that air pollutants might affect human behavior. This study assesses the associations between air pollution concentrations and emergency department (ED) visits for abuse of psychoactive substances. 28,745 such ED visits were identified and retrieved from a health database containing diagnosed visits from five hospitals in Edmonton (Canada) over 10 years. The ED visits were analyzed as daily counts. Conditional Poisson regression models were used to estimate the associations between the number of ED visits and concentration levels of gaseous air pollutants (carbon monoxide (CO), nitrogen dioxide (NO 2 ), sulphur dioxide (SO 2 ), ozone (O 3 )) and particulate matters (PM 2.5 and PM 10 , fine and coarse, respectively). Air pollutants and weather factors in the realized statistical models were lagged by the same number of days, from 0 to 5 days. The associations were estimated in the form of concentration-response functions. The results show relative risks and their 95% confidence intervals. Positive and statistically significant associations were obtained for CO for all patients (lags from 0 to 5), males (lags 1 and 3–5), and females (lag 4). For NO 2 , exposure lagged by 1 and 2 days has a positive statistically significant association for all and male patients. PM 10 shows the same type of associations lagged by 2 and 3 days. PM 2.5 (lag 2) is associated only in females. The results indicate that urban air pollution may have an impact on the abuse of psychoactive substances.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».