Association entre l’exposition à long-terme aux particules fines dans l’air ambiant et la mortalité selon différentes méthodes de contrôle de la confusion
Bibliographic record
Abstract
L'association entre l'exposition prolongée aux particules fines (PM2.5) et la mortalité pourrait varier selon les méthodes de contrôle de la confusion. L'objectif était de comparer les estimations de cette association issues d’approches avec différentes méthodes pour le contrôle de la confusion. En utilisant la cohorte du Système de surveillance des maladies chroniques du Québec (SISMACQ), les estimations d'association provenant d’une régression de Cox avec contraste interindividuel et d’une régression conditionnelle logistique stratifiée sur les cas avec contraste intra-individuel ont été comparées. De plus, les estimations d’association de modèles de Cox ajustés pour des variables individuelles et locales, et ajustés seulement pour des variables locales, en utilisant la cohorte Santé et environnement du recensement canadien (CSERcan) pour la province de Québec ont été comparées afin d’évaluer comment les estimations d’association varient avec les variables incluses dans les modèles. Quatre-vingt-dix-huit millions de personées-années du SISMACQ ont été enregistrées. Des augmentations de la mortalité de 3,0% (Intervalles de confiance [IC à 95%] 1,8-4,3) et de 9,3% (IC à 95%] 4,1-14,8) par augmentation de 3,4 µg/m3 ont été observées pour la régression de Cox et la régression logistique, respectivement. Vingt et un millions de personnes-années de la cohorte CSERcan ont été enregistrées. Des augmentations de la mortalité de 2,2% (IC à 95% : 1,9-2,5) et de 0,8% (IC à 95% :0,6-1,0) par 1 µg/m3 ont été observées pour le modèle ajusté pour des variables individuelles et locales, et pour celui ajusté pour des variables locales seulement. Ces résultats confirment l'association entre l'exposition prolongée aux PM2.5 et la mortalité, et suggèrent que les méthodes de contrôle de la confusion peuvent influencer l’importance et la variabilité de ces estimations.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.032 | 0.056 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.007 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".