Gaseous Air Pollutants and Lung Function in Fibrotic Interstitial Lung Disease (fILD): Evaluation of Different Spatial Analysis Approaches
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Gaseous pollutants such as CO, NO 2, O 3, and SO 2 are linked to adverse clinical outcomes in patients with fibrotic interstitial lung diseases (fILDs), particularly idiopathic pulmonary fibrosis. However, the effect of various exposure estimation methods on these findings remains unclear. This study aims to evaluate three spatial approaches─nearest neighbor (NN), inverse distance weighting (IDW), and Kriging─for estimating gaseous pollutant exposures and to assess how these methods affect health outcome estimates in fILD patients. A 10-fold cross-validation showed that Kriging had the lowest prediction error compared to NN and IDW, with RMSE for CO = 0.43 ppm (11%), O 3 = 5.9 ppb (14%), SO 2 = 2.7 ppb (12%), and NO 2 = 7.6 ppb (9%), respectively. Kriging also excelled over other methods across wide spatial and temporal ranges, showing the highest spatial R 2 for CO and O 3 and the highest temporal R 2 for SO 2 and NO 2 . In a large cohort of patients with fILD, higher levels of CO, SO 2, and NO 2 exposure were associated with lower pulmonary function. The magnitude of association and its precision were higher in SO 2 and CO estimated by the Kriging method. This study underscores Kriging as a robust method for estimating gaseous pollutant levels and offers valuable insights for future epidemiological studies.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».