The Effects of Coexposure to Extremes of Heat and Particulate Air Pollution on Mortality in California: Implications for Climate Change
Notice bibliographique
Résumé
Abstract Rationale Extremes of heat and particulate air pollution threaten human health and are becoming more frequent because of climate change. Understanding the health impacts of coexposure to extreme heat and air pollution is urgent. Objectives To estimate the association of acute coexposure to extreme heat and ambient fine particulate matter (PM2.5) with all-cause, cardiovascular, and respiratory mortality in California from 2014 to 2019. Methods We used a case-crossover study design with time-stratified matching using conditional logistic regression to estimate mortality associations with acute coexposures to extreme heat and PM2.5. For each case day (date of death) and its control days, daily average PM2.5 and maximum and minimum temperatures were assigned (0- to 3-day lag) on the basis of the decedent’s residence census tract. Measurements and Main Results All-cause mortality risk increased 6.1% (95% confidence interval [CI], 4.1–8.1) on extreme maximum temperature-only days and 5.0% (95% CI, 3.0–8.0) on extreme PM2.5-only days, compared with nonextreme days. Risk increased by 21.0% (95% CI, 6.6–37.3) on days with exposure to both extreme maximum temperature and PM2.5. Increased risk of cardiovascular and respiratory mortality on extreme coexposure days was 29.9% (95% CI, 3.3–63.3) and 38.0% (95% CI, −12.5 to 117.7), respectively, and were more than the sum of individual effects of extreme temperature and PM2.5 only. A similar pattern was observed for coexposure to extreme PM2.5 and minimum temperature. Effect estimates were larger over age 75 years. Conclusions Short-term exposure to extreme heat and air pollution alone were individually associated with increased risk of mortality, but their coexposure had larger effects beyond the sum of their individual effects.
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) | 0,000 | 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 ».