Exposure–Response to High PM <sub>2.5</sub> Levels for Cardiovascular Events in High‐Risk Older Adults in Taiwan
Notice bibliographique
Résumé
Background Limited studies using individual‐level health outcome data exist from countries with a wider range of particulate matter with a diameter of <2.5 μm (PM 2.5 ) levels to illustrate the shape of the exposure–response curve across a wide PM 2.5 range, including >15 μg/m 3 PM 2.5 concentrations. Taiwan reduced PM 2.5 over time with its policies, which provide opportunities to illustrate the dose–response curves and how reductions of PM 2.5 over time correlated with cardiovascular events incidence in a nationwide sample. Methods Using data from the 2009 to 2019 Taiwan National Health Insurance Database linked to nationwide PM 2.5 data, we examined the magnitude of the exposure–response curve between seasonal average PM 2.5 level and cardiovascular events‐related hospitalizations among older adults at high risk for cardiovascular events. We used history‐adjusted marginal structural models including potential confounding by individual demographic factors, baseline comorbidities, and health service measures. Results We included 373 402 older adults with high‐risk conditions in Taiwan. Using the PM 2.5 concentration <15 μg/m 3 (Taiwan regulatory standard) as a reference, the seasonal average PM 2.5 concentrations (15–23.5 and >23.5 μg/m 3 ) were associated with hazard ratio of 1.13 (95% CI, 1.09–1.18) and 1.19 (95% CI, 1.14–1.24), 1.07 (95% CI, 1.03–1.11) and 1.14 (95% CI, 1.10–1.18), 1.22 (95% CI, 1.08–1.38) and 1.31 (95% CI, 1.16–1.48), 1.04 (95% CI, 0.98–1.10) and 1.10 (95% CI, 1.04–1.16), respectively, for heart failure, ischemic stroke/transient ischemic attack, deep vein thrombosis, and myocardial infarction/acute coronary syndrome. Conclusions Further lowering PM 2.5 levels beyond current regulatory standards (15 μg/m 3 ) may effectively reduce the incidence of heart failure, deep vein thrombosis, and ischemic stroke/transient ischemic attack, and can lead to tangible health benefits in the high‐risk older population.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».