Short-term Exposure to Wildfire-Specific PM2.5 and Diabetes Hospitalization: A Study in Multiple Countries and Territories
Notice bibliographique
Résumé
OBJECTIVE: To evaluate associations of wildfire fine particulate matter ≤2.5 mm in diameter (PM2.5) with diabetes across multiple countries and territories. RESEARCH DESIGN AND METHODS: We collected data on 3,612,135 diabetes hospitalizations from 1,008 locations in Australia, Brazil, Canada, Chile, New Zealand, Thailand, and Taiwan during 2000-2019. Daily wildfire-specific PM2.5 levels were estimated through chemical transport models and machine-learning calibration. Quasi-Poisson regression with distributed lag nonlinear models and random-effects meta-analysis were applied to estimate associations between wildfire-specific PM2.5 and diabetes hospitalization. Subgroup analyses were by age, sex, location income level, and country or territory. Diabetes hospitalizations attributable to wildfire-specific PM2.5 and nonwildfire PM2.5 were compared. RESULTS: Each 10 µg/m3 increase in wildfire-specific PM2.5 levels over the current day and previous 3 days was associated with relative risks (95% CI) of 1.017 (1.011-1.022), 1.023 (1.011-1.035), 1.023 (1.015-1.032), 0.962 (0.823-1.032), 1.033 (1.001-1.066), and 1.013 (1.004-1.022) for all-cause, type 1, type 2, malnutrition-related, other specified, and unspecified diabetes hospitalization, respectively. Stronger associations were observed for all-cause, type 1, and type 2 diabetes in Thailand, Australia, and Brazil; unspecified diabetes in New Zealand; and type 2 diabetes in high-income locations. An estimate of 0.67% (0.16-1.18%) and 1.02% (0.20-1.81%) for all-cause and type 2 diabetes hospitalizations were attributable to wildfire-specific PM2.5. Compared with nonwildfire PM2.5, wildfire-specific PM2.5 posed greater risks of all-cause, type 1, and type 2 diabetes and were responsible for 38.7% of PM2.5-related diabetes hospitalizations. CONCLUSIONS: We show the relatively underappreciated links between diabetes and wildfire air pollution, which can lead to a nonnegligible proportion of PM2.5-related diabetes hospitalizations. Precision prevention and mitigation should be developed for those in advantaged communities and in Thailand, Australia, and Brazil.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».