MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406992552 · doi:10.1161/str.56.suppl_1.wmp103

Abstract WMP103: Transportation and biomass combustion (including from wildfires) are air pollution sources associated with stroke incidence among women in the California Teachers Study cohort (2000-2018)

2025· article· en· W4406992552 sur OpenAlexaff
Sophia Wang, Meredith Franklin, Emily Cauble, Marta Epeldegui, Emma S. Spielfogel, James V. Lacey, Tarik Benmarhnia, Mandy Yao, Jingyuan Wu, Juan Zhao, Cheryl A.M. Anderson, Mitchell S Elkind, Mike Kleeman

Notice bibliographique

RevueStroke · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Incidence (geometry)Environmental healthAir pollutionBiomass burningCohortPollutionCohort studyMeteorologyAerosolInternal medicineEcologyGeography

Résumé

récupéré en direct d'OpenAlex

Introduction: Ambient air pollution (particulate matter (PM) 2.5, defined as particles < 2.5 microns in diameter) has long been linked to increased stroke risk. However, few studies have described the specific sources or estimated the effects of the PM2.5 constituents responsible for stroke and stroke subtype risk. Hypothesis: We hypothesize that chronic long-term exposure to a major source of air pollution, transportation and its related constituents, will be associated with elevated stroke risk. Methods: In a prospective cohort study of 133,477 women enrolled in the California Teachers Study in 1995-96, we evaluated 110,120 women who resided in California from 2000-2018 (median follow-up=19 years) for residential exposure to primary aerosol concentrations of 8 PM2.5 sources (on- and off-road gasoline vehicles, on- and off-road diesel, biomass combustion, food cooking, aircraft, natural gas combustion), and 11 constituents (including copper, iron, manganese, nitrate, elemental carbon, organic compounds) generated from a 4-km grid chemical transport model. Stroke and stroke subtypes were identified during cohort follow-up with ICD-9 and ICD-10 codes from state hospitalization records (all stroke n=4,348; ischemic stroke n=3,596; hemorrhagic stroke n=752). Cox proportional hazards models were used to estimate hazard ratios (HRs) for associations between the pollutants (average exposure across follow-up) ) with overall stroke and stroke subtypes, adjusted for stroke risk factors. Results: We observed positive associations between PM2.5 exposure from on-road gasoline vehicles with all stroke (HR=1.18, 95% CI=1.11-1.26), ischemic stroke (HR=1.16, 95% CI=1.09-1.26), and hemorrhagic stroke (HR=1.28, 95% CI=1.09-1.49). PM2.5 from off-road diesel was also associated with all stroke (HR=1.21, 95%CI=1.11-1.31), ischemic stroke (HR=1.19, 95% CI=1.09-1.30), and hemorrhagic stroke (HR=1.29, 95% CI=1.06=1.57). PM2.5 from biomass combustion was positively associated with ischemic stroke (HR=1.10, 95% CI=1.02-1.19), but not hemorrhagic stroke. Of PM2.5 constituents evaluated, organic compounds were associated with ischemic stroke (HR=1.14, 95% CI=1.00-1.31). Conclusions: Two major PM2.5 sources, on-road gasoline transportation and off-road diesel, are associated with increased risk of all stroke and stroke subtypes among our female cohort. Long-term exposure to biomass combustion, which includes wildfires, and organic compounds from PM2.5 were linked to ischemic stroke only.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,102
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,268
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetAir Quality and Health Impacts→Travaux en français237 207→