Resumo

CERVANTES-MARTINEZ, Karla et al. Geocoding and spatiotemporal modeling of long-term PM_2.5 and NO₂ exposure in the Mexican Teachers’ Cohort. Atmósfera [online]. 2023, vol.37, e53110.  Epub 17-Abr-2023. ISSN 0187-6236.  https://doi.org/10.20937/atm.53110.

Los estudios epidemiológicos sobre los efectos de la contaminación del aire en México a menudo utilizan las concentraciones ambientales de los monitores más cercanos al hogar como indicadores de exposición, sin embargo, este enfoque ignora los gradientes espaciales de los contaminantes y asume que las personas no tienen movilidad dentro de la ciudad. Nuestro objetivo fue desarrollar modelos espaciales y temporales de alta resolución para predecir la exposición a largo plazo a PM2.5 y NO2 en una población de ~16 500 participantes de un estudio de Cohorte de Maestras Mexicanas (ESMaestras). Geocodificamos las direcciones de la casa y el trabajo de las participantes. Utilizando información de fuentes secundarias sobre variables geográficas y meteorológicas, así como otros contaminantes, ajustamos dos modelos aditivos generalizados para predecir las concentraciones mensuales de PM2.5 y NO2 en el periodo 2004-2019. Los modelos se evaluaron mediante validación cruzada de 10 iteraciones. Ambos mostraron una alta precisión predictiva con datos fuera de la muestra y no sobreajuste (CV RMSE = 0.102 para PM2.5 y CV RMSE = 4.497 para NO2). Los participantes estuvieron expuestos a un promedio mensual de 24.38 (6.78) µg m-3 de PM2.5 y 28.21 (8.00) ppb de NO2 durante el periodo de estudio. Estos modelos ofrecen una alternativa prometedora para estimar la exposición a PM2.5 y NO2 con alta resolución espaciotemporal para estudios epidemiológicos en la región del Valle de México.

Palavras-chave : air pollution; generalized additive models; exposure assessment.