under the study. We normalized the

under the study. We normalized the air pollution data
with IQR, i.e., we divided each daily value (in our case,
the daily mean) of a pollutant by its IQR value. We applied
conditional logistic regression models to perform
the case-crossover analysis, adopting the usual method of
selecting control days in a month of the case occurrence.
The models were constructed adjusting for temperature
and relative humidity, and lagging the pollution variables
by 0 to 9 days. For each lag the model was fitted separately.
A model gives a slope, or beta, representing the rate
of odds increase (increase in the frequency of ED visits)
per a pollutant’s concentration increase. Thus, we obtained
10 slopes (lags 0–9) for each air pollutant. The models
also specify corresponding ORs and their 95% CIs
per 1-IQR increase in a pollutant concentration.
Step 2
In the 2nd step we calculated the Health Air Study Index
(HASI) for each day k according to the  following
formula:
              m
i 1 HASI k exp i air pollutant k,i m (1)
where:
m – number of air pollutants (here m = 6),
i – enumerates the pollutants,
β(i)  – the  largest slope among the  10  slopes estimated for
the lags 0–9 of the pollutant,
air pollutant(k, i) – the pollutant i on day k scaled by its IQR.
The HASI values encapsulate health effects of 6 air pollutants,
by combining the rates of health aggravation
(slopes β(i)) with the current daily levels of the pollutants.
The HASI(k) index is a measure of the risk, for day k, of
an aggravation of symptoms of colitis caused by air pollution.
Odds ratios (ORs) and their 95% CIs are computed
for HASI in the same manner as it was done for

ผลลัพธ์ (ไทย) 1:

ภายใต้การศึกษา เราตามปกติข้อมูลมลพิษทางอากาศมี IQR เช่น เราแบ่งค่าแต่ละวัน (ในกรณีของเราค่าเฉลี่ยรายวัน) ของมลพิษโดยค่า IQR ของ เราใช้แบบจำลองการถดถอยโลจิสติกแบบมีเงื่อนไขการวิเคราะห์กรณีไขว้ ใช้วิธีการปกติของเลือกควบคุมวันเดือนของเหตุการณ์กรณีแบบจำลองถูกสร้างการปรับปรุงสำหรับอุณหภูมิและความชื้นสัมพัทธ์ และ lagging แปรมลพิษ0 ถึง 9 วัน สำหรับความล่าช้าแต่ละ แบบถูกติดตั้งแยกต่างหากแบบให้ความชัน หรือเบต้า แสดงอัตราของราคาเพิ่มขึ้น (เพิ่มความถี่ของ ED)ต่อมลพิษความเข้มข้นเพิ่มขึ้น ดังนั้น เราได้รับลาด 10 (lags 0 – 9) สำหรับมลพิษอากาศแต่ละ แบบจำลองระบุมีสอดคล้องกันและ CIs 95% ของพวกเขาต่อเพิ่ม 1 IQR ในความเข้มข้นมลพิษที่ขั้นตอนที่ 2ในขั้นตอน 2 เราได้สุขภาพอากาศศึกษาดัชนี (HASI) สำหรับ k แต่ละวันตามสูตร:               mประสบการณ์ k HASI i 1 ฉันอากาศมลพิษ k ฉัน m (1)ที่ตั้ง:m-จำนวนของสารมลพิษอากาศ (ที่นี่ m = 6),i – ระบุสารมลพิษΒ(i) – ความชันที่ใหญ่ที่สุดในหมู่ 10 ลาดประมาณสำหรับlags 0 – 9 ของมลพิษอากาศ pollutant(k, i) – มลพิษฉันในวัน k ปรับ โดย IQR ของค่า HASI ซ่อนสุขภาพผลกระทบของสารมลพิษอากาศ 6โดยรวมราคาของสุขภาพทำให้รุนแรงขึ้น(ลาด β(i)) ระดับประจำวันปัจจุบันของสารมลพิษดัชนี HASI(k) เป็นการวัดความเสี่ยง สำหรับวัน kการทำให้รุนแรงขึ้นของโรค colitis ที่เกิดจากมลพิษทางอากาศอัตราส่วนราคา (ORs) และ 95% ของ CIs จะคำนวณสำหรับ HASI ในลักษณะเดียวกันที่ทำการ

ผลลัพธ์ (ไทย) 2:

ภายใต้การศึกษา ปกติเราข้อมูลมลพิษทางอากาศกับ IQR คือเราแบ่งแต่ละค่าในชีวิตประจำวัน (ในกรณีของเราหมายถึงทุกวัน) ของสารมลพิษโดยค่า IQR ของมัน เราใช้เงื่อนไขแบบการถดถอยโลจิสติกที่จะดำเนินการวิเคราะห์กรณีครอสโอเวอร์การนำวิธีการปกติของการเลือกวันที่การควบคุมในเดือนเกิดกรณีที่. รุ่นที่ถูกสร้างขึ้นปรับอุณหภูมิและความชื้นสัมพัทธ์และปกคลุมด้วยวัตถุฉนวนตัวแปรมลพิษโดย0-9 วัน สำหรับแต่ละล่าช้าแบบพอดีแยกต่างหาก. รูปแบบการให้ความลาดชันหรือเบต้าคิดเป็นอัตราการเพิ่มขึ้นของอัตราต่อรอง (การเพิ่มขึ้นของความถี่ของการเข้าชมเอ็ด) ต่อความเข้มข้นของสารมลพิษที่เพิ่มขึ้น ดังนั้นเราจึงได้รับ10 ลาด (ล่าช้า 0-9) สำหรับสารมลพิษทางอากาศในแต่ละ รุ่นนี้ยังระบุ ORs ที่สอดคล้องกันและ CIS 95% ของพวกเขาต่อการเพิ่มขึ้น1 IQR ความเข้มข้นของสารมลพิษ. ขั้นตอนที่ 2 ในขั้นตอนที่ 2 เราคำนวณดัชนีอากาศสุขภาพการศึกษา(Hasi) ในแต่ละวัน k ตามต่อไปนี้สูตร:? ? ? ? ? ? ? ? ? ? ? ? ? ? ม. ฉัน 1 Hasi k ประสบการณ์ผมมลพิษอากาศ k, IM (1) ที่อยู่: ม. - จำนวนของมลพิษทางอากาศ (ที่นี่ m = 6), ฉัน - ระบุมลพิษ, β (i) - ลาดที่ใหญ่ที่สุดในหมู่ 10 ลาดประมาณล่าช้า 0-9 ของสารมลพิษที่ก่อให้เกิดมลพิษทางอากาศ(k ฉัน) - มลพิษฉันในวัน k ปรับขนาดโดย IQR ของ. ค่า Hasi แค็ปซูลผลกระทบต่อสุขภาพของ 6 มลพิษทางอากาศ, โดยการรวมอัตราการทำให้รุนแรงขึ้นสุขภาพ(ลาดβ ( i)) ที่มีระดับในชีวิตประจำวันในปัจจุบันของสารมลพิษที่. Hasi (k) ดัชนีเป็นตัวชี้วัดความเสี่ยงสำหรับวัน k ของการทำให้รุนแรงขึ้นอาการของลำไส้ใหญ่อักเสบที่เกิดจากมลพิษทางอากาศ. อัตราส่วนราคาต่อรอง (ORs) และ 95% ของพวกเขา CIs คำนวณสำหรับHasi ในลักษณะเดียวกับที่มันทำสำหรับ

ผลลัพธ์ (ไทย) 3:

ภายใต้การศึกษา เราปกติข้อมูลมลพิษทางอากาศ
กับ iqr คือเราแบ่งแต่ละค่ารายวัน ( ในกรณีของเรา
หมายถึงทุกวัน ) ของสารมลพิษโดยค่าของ iqr . เราใช้โมเดลการถดถอยโลจิสติกแบบ

กรณีข้ามการวิเคราะห์ใช้วิธีปกติของ
เลือกวันควบคุมในเดือนของคดีที่เกิดขึ้น มีการสร้างการปรับรุ่น

สำหรับอุณหภูมิและความชื้นสัมพัทธ์ และล่าช้าตัวแปรมลพิษ
0 ถึง 9 โดย   วัน สำหรับแต่ละขนาดรึเปล่า แบบติดตั้งแยกต่างหาก .
รูปแบบให้ลาดเอียง หรือเบต้า แทนอัตรา
เดิมพันเพิ่ม ( เพิ่มความถี่ของการเข้าชมเอ็ด )
/ ของมลพิษเพิ่มความเข้มข้น ดังนั้นเราจึงได้รับ
10 ลาด ( ล้าหลัง 0 – 9 ) สำหรับแต่ละสารมลพิษอากาศ โมเดล
ยังระบุว่า ORS ที่สอดคล้องกันและ 95% CIS
ต่อ 1-iqr เพิ่มความเข้มข้นของสารมลพิษ .
2
ขั้นตอนอะไรในขั้นตอนที่ 2 เราจะคำนวณอากาศสุขภาพการศึกษาดัชนี
( ด้วยที่ตั้งที่ดีเยียมและ ) สำหรับแต่ละวัน K ตามไปรึเปล่า

 สูตรต่อไปนี้ :              M
ชั้น 1 ด้วยที่ตั้งที่ดีเยียมและ K exp ผมสารมลพิษอากาศ K , I m ( 1 ) : m (

ที่จำนวนของมลพิษในอากาศ ( ที่นี่ M = 6 ) ,
ฉัน–ระบุมลพิษ
,บีตา ( ฉัน ) รึเปล่า ) ที่ใหญ่ที่สุดของ  10  เอียงลาดประมาณ สำหรับ
ล่าช้า 0 – 9 แห่งของสารมลพิษ
สารมลพิษทางอากาศ ( K , ทำไมฉัน )  –และสารมลพิษฉันไหมในวันที่    iqr ขนาดของ K .
6 แค็ปซูลด้วยที่ตั้งที่ดีเยียมและค่าผลกระทบต่อสุขภาพจากมลพิษในอากาศ
โดยรวม , อัตราของปัญหาสุขภาพ
( ลาด β ( ผม ) กับระดับปัจจุบันของ  ทุกวันมลพิษ .
( k ) ด้วยที่ตั้งที่ดีเยียมและอะไรที่เป็นดัชนีวัดความเสี่ยงของ   สำหรับวัน , K ,
เป็นปัญหาของอาการของอาการที่เกิดจากมลพิษทางอากาศ
ราคาอัตราส่วน ( ORS ) และ CIS 95% ของพวกเขาจะคำนวณ
สำหรับ ด้วยที่ตั้งที่ดีเยียมและในลักษณะเดียวกันที่ทำสำหรับ