Long-term exposure to PM2.5 and cardiorespiratory mortality: an ecological small-area study in five cities in Colombia
Notice bibliographique
Résumé
Long-term exposure to the fine particulate matter (PM2.5) is a risk factor for cardiorespiratory mortality. However, little is known about its distribution and health impact in large cities in low-middle-income countries where population exposure has increased during the last decades. This ecological study evaluated the association between PM2.5 concentration and adult cardiorespiratory mortality at the intraurban census sector (CS) level of Colombia's five most populated cities (2015-2019). We estimated incidence rate ratios (IRR; per 5µg/m3) by fitting negative binomial regressions to smoothed Bayesian mortality rates (BMR) on PM2.5 predicted from land use regression (LUR) models, adjusting for CS demographic structure, multidimensional poverty index, and spatial autocorrelation. CS median PM2.5 ranged from 8.1µg/m3 in Bucaramanga to 18.7µg/m3 in Medellín, whereas Bogotá had the highest variability (IQR = 29.5µg/m3) and cardiorespiratory mortality (BMR = 2,560 per 100,000). Long-term exposure to PM2.5 increased cardiorespiratory mortality in Bucaramanga (IRR = 1.15; 95%CI: 1.02; 1.31), without evidence of spatial clustering, and cardiovascular (IRR = 1.06; 95%CI: 1.01; 1.12) and respiratory (IRR = 1.07; 95%CI: 1.02; 1.13) mortality in Medellín. Cardiorespiratory mortality spatially clustered in some Colombian cities and was associated with long-term exposure to PM2.5 in urban areas where the LUR models had the highest predictive accuracy. These findings highlight the need to incorporate high-quality, high-resolution exposure assessments to better understand the health impact of air pollution and inform public health interventions in urban environments.
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 | 0,000 |
| 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 ».