Radon exposure and COVID-19 mortality in pre-vaccination period: What links might exist?
Notice bibliographique
Résumé
Radon, a naturally occurring radioactive gas known for its health risks, has recently gained attention for its potential protective role against COVID-19 mortality. This cross-sectional ecological study examined the relationship between indoor radon exposure and COVID-19 mortality rates across eight countries, including several European nations, the United States, and the State of Kerala, India, during the pre-vaccination period. The analyzed data on the subject were derived from recent scientific publications. The environmental aspect was represented by the variable "indoor radon concentration or probability of exceeding a radon concentration in indoor air," depending on data availability. Using national radon surveys and COVID-19 mortality statistics, statistical analyses, including Spearman's correlation and Kendall Tau, were conducted between March and December 2020. The findings revealed a consistent negative correlation between radon concentrations and COVID-19 mortality rates, indicating that higher radon concentrations were associated with lower mortality rates. Regions such as Finland and Sweden, where radon exposure was relatively high, experienced significantly lower mortality. With Sweden and Finland showing a mortality risk reduction factor of respectively 1,42 and 5,47 during the first wave compared to the UK where Radon levels are very low. Although the findings are not overwhelmingly strong, the data suggest that radon exposure may have a mitigating effect on COVID-19 mortality.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».