MétaCan
Menu
Retour à la cohorte
Enregistrement W4405365429 · doi:10.1001/jamanetworkopen.2024.50759

Polluted Air from Canadian Wildfires and Cardiopulmonary Disease in the Eastern US

2024· article· en· W4405365429 sur OpenAlexaboutno aff
Mary Maldarelli, Hyeonjin Song, Clayton H. Brown, M. Situt, Anup Mahurkar, Victor Felix, Jonathan Crabtree, Evan Ellicott, Binod Pant, Abba B. Gumel, Zafar Zafarí, W DˈSouza, Bradley A. Maron

Notice bibliographique

RevueJAMA Network Open · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Environmental Health SciencesNational Institute on AgingNational Institutes of Health
Mots-clésMedicineAir quality indexLogistic regressionEnvironmental healthAir pollutionDemographyEmergency medicineInternal medicineGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Importance: Intense wildfires affecting residential populations are increasingly frequent. However, the adverse cardiopulmonary consequences to patients from remote wildfire smoke exposure is uncertain. Objective: To investigate the association between wildfire smoke originating in Western Canadian provinces with cardiopulmonary disease burden in sociodemographically heterogenous populations in the Eastern US. Design, Setting, and Participants: This case-only study used International Statistical Classification of Diseases and Related Health Problems, Tenth Revision (ICD-10) codes for cardiopulmonary diseases extracted from the University of Maryland Medical System in June 2023 vs June 2018 and June 2019. Data were analyzed from September 2023 to September 2024. Exposures: High air pollution episodes where the concentration of particulate matter with aerodynamic diameter below 2.5 μm (PM2.5) exceeded the toxic National Ambient Air Quality Standard (35 μg/m3) (referred to as "hotspot days") on contiguous days. Main Outcomes and Measures: The number of patients with inpatient, ambulatory, and emergency department clinical encounters during assigned hotspot days in June 2023 compared with matching days in June of control years. Adjustments for covariates for comparisons between groups were made with χ2 tests and multivariable logistic regression. Results: Statewide air quality analysis identified June 6-8 and 28-30 as 6 hotspot days with an increase in PM2.5 by 9.4-fold and 7.4-fold, respectively, in Baltimore City compared with all other days in 2023. After adjusting for calendar days across years, the cohort included 2339 cardiopulmonary clinical encounters in June 2023 (mean [SD] age, 68 [15] years; 1098 female [46.9%]; 710 Black [30.4%], 1528 White [65.3%]) and 3609 encounters in June 2018-2019 (mean [SD] age, 65 [15] years; 1690 female [46.8%]; 1181 Black [32.7%], 2269 White [62.9%]). The proportion of clinical encounters occurring during hotspot days in June 2023 was 588 of 2339 days (25.1%) vs 806 of 3609 days (22.3%) in control years (χ2 = 6.07; P = .01), with an adjusted odds ratio (aOR) of 1.18 (95% CI, 1.03-1.34; P = .02). Restricting this analysis to cardiac diseases, there was a 20% increase in adjusted odds for a clinical encounter (aOR, 1.20; 95% CI, 1.01-1.42; P = .04). Patients with cardiopulmonary encounters on hotspot days had greater socioeconomic advantage vs control years by ADI score (mean [SD] score, 39.1 [21.1] vs 41.0 [23.7]; P = .05). Conclusions and Relevance: In this case-only study of a large medical system, we identified an increased cardiopulmonary disease burden for residents of Maryland that was likely associated with contemporaneous wildfire smoke-based infiltration of polluted or toxic air originating from Western Canada up to 2100 miles remotely.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,282
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetAir Quality and Health ImpactsTravaux en français237 207