Does trajectory of ambient air pollutant (PM2.5, NO2) exposure influence cognitive function? A co-pollutant examination using sequence analysis
Notice bibliographique
Résumé
Historical pattern of longitudinal changes in air pollution exposure may be relevant to cognitive risk in older adulthood. We used sequence analysis to characterize 10-year trajectories of PM2.5 and NO2 exposure and evaluate their association with cognition in a US-representative sample of 8,245 adults 65+ years old. The CACES database provided census tract mean annual PM2.5 and NO2 (trichotomized at 2010 25th and 75th percentiles [7.9 μg/m3; 10.8μg/m3 and 4.8 ppb; 10.8 ppb respectively]) from 2000-2010. Sequences of PM2.5 and NO2 were evaluated using the Halpin optimal matching algorithm. We linked exposure trajectory group to residential census tract (N=3,559) of each participant of NHATS. Participants underwent cognitive assessments annually; their episodic memory score in a given year was the mean of their immediate and delayed word recall scores, standardized to NHATS 2011 baseline mean and sd. We used linear mixed models to estimate the association of air pollution trajectory with memory, adjusted for age, gender, education, race/ethnicity, smoking status, neighborhood SES, and census division. Over 10 years, we observed 1,208 unique air pollution trajectories, which were clustered into 7 groups based on similarity. In general, participants occupying the higher exposure clusters had lower memory scores (e.g. high NO2 and PM2.5 until 2008, followed by medium level exposure by 2010 = -0.19; 95%CI: -0.29, -0.09). Through this novel application of sequence analysis, we identified 7 distinct air pollution trajectories. We found that participants’ historical pattern of air pollution exposure differentially predicted memory level such that, despite more recent lower exposures, higher exposures in the more distant past were associated with the greatest memory deficit . Our findings provide further support that use of more expansive air pollution exposure histories may offer more comprehensive discovery of air pollution’s adverse cognitive effects in older adulthood. sequence analysis, air pollution trajectories, longitudinal exposure assessment
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».