Respiratory risks from wildfire-specific PM2.5 across multiple countries and territories
Notice bibliographique
Résumé
Abstract Under a warming climate, wildfires are becoming more frequent and severe. Multicountry studies evaluating associations between wildfire fine particulate matter (PM 2.5 ) and respiratory hospitalizations are lacking. Here we evaluate the short-term effects of wildfire-specific PM 2.5 on respiratory hospitalizations from 1,052 communities across Australia, Brazil, Canada, Chile, New Zealand, Vietnam, Thailand and Taiwan, during 2000–2019. A 1 µg m −3 increase in wildfire-specific PM 2.5 was associated with increased hospitalization risks for all-cause respiratory, asthma, chronic obstructive pulmonary disease, acute upper respiratory infection, influenza and pneumonia by 0.36%, 0.48%, 0.38%, 0.42%, 0.79% and 0.36%, respectively. Higher risks were observed among populations ≤19 or ≥60 years old, from low-income or high non-wildfire PM 2.5 communities, and residing in Brazil, Thailand, Taiwan and Vietnam. Australia and New Zealand exhibited a greater hospitalization risk for asthma associated with wildfire-specific PM 2.5 . Compared with non-wildfire PM 2.5 , wildfire-specific PM 2.5 posed greater hospitalization risks for all respiratory diseases and a greater burden of asthma. Wildfire-specific PM 2.5 contributed to 42.4% of PM 2.5 -linked respiratory hospitalizations, dominating in Thailand. Overall, the substantial contribution of wildfire-specific PM 2.5 to respiratory hospitalizations demands continued mitigation and adaptation efforts across most countries. Intervention should be prioritized for influenza, children, adolescents, the elderly and populations in low-income or high-polluted communities.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».