Circulatory health risks from additive multi-pollutant models: short-term exposure to three common air pollutants in Canada
Notice bibliographique
Résumé
Abstract Numerous studies have reported adverse health effects of ambient air pollution on circulatory health outcomes mainly based on single-pollutant models. However, limited studies have focused on adjusted effect of multi-pollutant exposures on public health. This study aimed to examine short-term effects of three common air pollutants—ground-level ozone (ozone), nitrogen dioxide (NO2), and fine particulate matter (PM2.5)—through multi-pollutant models for mixed effect of adjustment. Daily data (circulatory hospitalization and mortality) and hourly data (air pollutants and temperature) were collected for 24 Canadian cities for 2001–2012. We applied generalized additive over-dispersion Poisson regression models with 1, 2, or 3 pollutants for city-specific risks, and Bayesian hierarchical models for national risks. This study found little mixed effect of adjustment through multi-pollutant models (ozone and/or NO2 and/or PM2.5) for circulatory hospitalization or mortality in Canada for 2001–2012, indicating that the 1-pollutant model did not result in considerable under- or over-estimates. It seemed weak-to-moderate correlations among air pollutants did not change the significant effect of one air pollutant after accounting for others. Inconsistent findings between other previous studies and this study indicate the need of comparable study design for multi-pollutant effect analysis.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».