Risks of source and species-specific air pollution for COVID-19 incidence and mortality in Los Angeles
Notice bibliographique
Résumé
Abstract Growing evidence from ecological studies suggests that chronic exposure to standard air pollutants (PM 2.5 , NO 2 , and ozone) exacerbates risks of coronavirus 2 (COVID-19) incidence and mortality. This study assessed the associations between an expanded list of air pollutants and COVID-19 incidence and mortality in Los Angeles. Annual mean exposure to air pollutants in 2019—including PM 0.1 mass, PM 2.5 mass, PM 2.5 elemental carbon (EC), PM 2.5 tracer from mobile sources, NO 2 , and ozone—were estimated at the ZIP code level in residential areas throughout Los Angeles. Negative binomial models and a spatial model were used to explore associations between health outcomes and exposures in single pollutant and multi-pollutant models. Exposure to PM 0.1 mass, ozone, NO 2 , and PM 2.5 EC were identified as risk factors for COVID-19 incidence and mortality. The results also suggest that PM 2.5 and NO 2 together may have synergistic effects on harmful COVID-19 outcomes. The study provides localized insights into the spatial and temporal associations between species-specific air pollutants and COVID-19 outcomes, highlighting the potential for policy recommendations to mitigate specific aspects of air pollution to protect public health.
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 | 0,005 | 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 | 0,000 | 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) | 0,000 | 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 ».