Long-term effects of coarse particulate matter and modifications by temperature and relative humidity on all-cause mortality in a MDR-TB cohort
Notice bibliographique
Résumé
<bold>Background:</bold> The association between ambient coarse particulate matter (PM2.5-10) and mortality in MDR-TB patients has not yet been studied. The modifying effects of temperature and humidity on this association are completely unknown. This study aims to evaluate the effects of long-term PM2.5-10 exposures, and their modifications by temperature and humidity on mortality among MDR-TB patients. <bold>Methods:</bold> A Chinese cohort of 3,469 MDR-TB patients was followed up from diagnosis until death, loss to follow-up, or the study’s end, averaging 2,567 days per patient. PM2.5-10 concentrations were derived from the difference between PM10 and PM2.5. Cox proportional hazard models estimated hazard ratios (HRs) per 3.74 μg/m3 (IQR) exposure to PM2.5-10 and mortality for the full cohort and individuals at distinct long-term and short-term temperature and humidity levels, adjusting for other air pollutants and potential covariates. Exposure-response relationships were quantified using smoothed splines. <bold>Results:</bold> Hazard ratios of 1.733 (95% CI, 1.407, 2.135) and 1.427 (1.114, 1.827) were observed for mortality in association with PM2.5-10 exposures for the full cohort under long-term and short-term exposures to temperature and humidity. Modifying effects by temperature and humidity were heterogenous across sexes, age, treatment history, and environment. Nonlinear exposure-response curves suggested a cumulative risk of PM2.5-10-related mortality starting from a low exposure concentration around 15 μg/m3. <bold>Conclusion:</bold> Immediate surveillance of PM2.5-10 is crucial to mitigate the progression of MDR-TB severity due to co-exposures.
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 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».