Residential Greenness and Long-term Mortality Among Patients Who Underwent Coronary Artery Bypass Graft Surgery
Notice bibliographique
Résumé
BACKGROUND: Studies have reported inverse associations between exposure to residential greenness and mortality. Greenness has also been associated with better surgical recovery. However, studies have had small sample sizes and have been restricted to clinical settings. We investigated the association between exposure to residential greenness and all-cause mortality among a cohort of cardiac patients who underwent coronary artery bypass graft (CABG) surgery. METHODS: We studied this cohort of 3,128 CABG patients between 2004 and 2009 at seven cardiothoracic departments in Israel and followed patients until death or 1st May 2021. We collected covariate information at the time of surgery and calculated the patient-level average normalized difference vegetation index (NDVI) over the entire follow-up in a 300 m buffer from the home address. We used Cox proportional hazards regression models to estimate associations between greenness and death, adjusting for age, sex, origin, socioeconomic status, type of hospital admission, peripherality, air pollution, and distance from the sea. RESULTS: Mean age at surgery was 63.8 ± 10.6 for men and 69.5 ± 10.0 for women. During an average of 12.1 years of follow-up (37,912 person-years), 1,442 (46%) patients died. A fully adjusted Cox proportional hazards model estimated a 7% lower risk of mortality (HR: 0.93, 95% CI = [0.85, 1.00]) per 1 interquartile range width increase (0.04) in NDVI. Results were robust to the use of different buffer sizes (100 m-1,250 m from the home) and to the use of average NDVI exposure during the first versus the last 2 years of follow-up. CONCLUSIONS: Residential greenness was associated with lower risk of mortality in CABG patients.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 0,001 |
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 ».