Associations between PM2.5 exposure and Alzheimer’s Disease prevalence Among elderly in eastern China
Notice bibliographique
Résumé
Abstract Background Studies showed that PM 2.5 might be associated with various neurogenic diseases such as Alzheimer’s Disease (AD). However, this topic had been little studied in Zhejiang province of China. Methods In 2018, we established a cohort of AD high-risk population with 1,742 elderly aged 60 and above. In 2020, the cohort was followed up, a total of 1,545 people participated the 2 surveys. Data collection included questionnaires and basic physical examinations. The average residential exposure to PM 2.5 for each participant, that in a 5-years period prior to the first survey, was estimated using a satellite-based spatial statistical model. We determined the association between PM 2.5 and AD prevalence by cox proportional hazards regression model. Results This study showed that an increase in the PM 2.5 level was an important associated risk factor that contributed to AD. The average PM 2.5 exposure levels among the study population ranged from 32.69 μg/m 3 to 39.67 μg/m 3 from 2013 to 2017, which were much higher than 5 μg/m 3 that specified in the WHO air quality guidelines. There was an association between PM 2.5 exposure and AD, and the correlations between PM 2.5 and Mini-Mental State Examination, Montreal cognitive assessment scale scores were statistically significant. An increase in the PM 2.5 level by 10 μg/m 3 elevated the risk of AD among residents by 2%-5% (HR model 2-model 4 = 1.02 to 1.05, CI model 2-model 4 = 1.01–1.10). The subgroups of male, with old age, with low education levels, used to work as farmers or blue-collar workers before retirement, overweight and obese were associated with a higher effect of PM 2.5 . Conclusions Reducing PM 2.5 exposure might be a good way to prevent AD.
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 | 0,001 | 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) | 0,002 | 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 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 ».