Urban air pollution and emergency department visits for influenza
Notice bibliographique
Résumé
Introduction. There is a large body of research which suggests that air pollutants might affect infectious diseases, their transmission, severity, and a length of recovery. Aim. The aim of this study is to examine the relationships between ambient air pollution and emergency department (ED) visits for influenza and viral pneumonia in Toronto, Canada. Material and Methods. The National Ambulatory Care Reporting System database was used to drawn ED visits (4 282 days). Five ambient air pollutants: carbon monoxide, nitrogen dioxide, sulphur dioxide, ozone (CO, NO2, SO2, O3, O3H8 – ozone as a maximum eight hour average, respectively), and fine particulate matter (PM2.5) were examined. In addition, the Air Quality Health Index (AQHI; combines NO2, O3, and PM2.5) was tested. Conditional Poisson models were constructed using daily counts of ED visits. Temperature and relative humidity in the models were represented by natural splines. Air pollutants and weather factors were lagged by 0 to 14 days. The analysis was done by strata of age group, sex, and two seasons. Results. In the period of the study, 26,200 ED visits were identified; 13,963 for females and 12,237 for males. For each air pollutant, 270 models were generated (18 strata × 15 lags). Ambient air pollution concentrations
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 | 0,000 | 0,001 |
| 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) | 0,006 | 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 ».