The study of the correlation between pollutants and their interactions on the incidence of tuberculosis in Changping District based on distribution models
Notice bibliographique
Résumé
BACKGROUND: Air pollution as a potential risk factor, mediator or moderator of TB incidence. Most of the studies focused on the provincial and urban areas, while Changping District, as a high incidence area and county of tuberculosis in Beijing, its relationship with pollutants is not clear, so this study aims to investigate the associations of air pollutants and their interactions on the number of new TB cases in Changping District, Beijing, China. METHODS: Data from Beijing Changping Institute for Tuberculosis Prevention and Treatment on monthly new TB cases from 2014 to 2022. Distributed lag nonlinear models are used to examine the associations of each 10 µg/m3 increase in PM10 and NO2 concentrations, along with extreme exposure episodes, with TB incidence. RESULTS: The cumulative relative risk (RR) of increasing pollutant concentrations is positively correlated with lag months for PM10, but the opposite result is observed for NO2. In terms of long and short-term relationships, increased PM10 concentration and extremely low NO2 concentration are associated with long-term hazardous for most subgroups, while extremely high PM10 and NO2 concentrations are associated with short-term hazardous. CONCLUSION: Increased concentrations of PM10 and NO2 having long-term or short-term effects on populations. Therefore, strengthening air quality monitoring and control is of great significance for the prevention of tuberculosis in Beijing.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».