Short-term exposure to ultrafine particles (UFP; <100 nm in diameter), which are present at high concentrations near busy roadways, is associated with markers of cardiovascular and respiratory disease risk. To date, few long-term studies (months to years) have been conducted due to the challenges of long-term exposure assignment. To address this, we modified hybrid land-use regression models of particle number concentrations (PNCs; a proxy for UFP) for two study areas in Boston (MA) by replacing the measured PNC term with an hourly model and adjusting for overprediction. The hourly PNC models used covariates for meteorology, traffic, and sulfur dioxide concentrations (a marker of secondary particle formation). We compared model performance against long-term PNC data collected continuously from 9 years before and up to 3 years after the model-development period. Model predictions captured the major temporal variations in the data and model performance remained relatively stable retrospectively and prospectively. The Pearson correlation of modeled versus measured hourly log-transformed PNC at a long-term monitoring site for 9 years prior was 0.74. Our results demonstrate that highly resolved spatial-temporal PNC models are capable of estimating ambient concentrations retrospectively and prospectively with generally good accuracy, giving us confidence in using these models in epidemiological studies.

中文翻译：

---

用于估计城市街区回顾性和前瞻性长期环境暴露的超细粒子数浓度模型。

短期接触超细颗粒（UFP；直径<100 nm），在繁忙的道路附近以高浓度存在，与心血管和呼吸系统疾病风险的标志物有关。迄今为止，由于长期暴露分配的挑战，很少进行长期研究（数月至数年）。为了解决这个问题，我们修改了波士顿（马萨诸塞州）两个研究区域的粒子数浓度混合土地利用回归模型（PNC；UFP 的代表），方法是用每小时模型替换测量的 PNC 项并调整过度预测。每小时 PNC 模型使用气象、交通和二氧化硫浓度（二次粒子形成的标志）的协变量。我们将模型性能与从模型开发期前 9 年到模型开发期后 3 年连续收集的长期 PNC 数据进行了比较。模型预测捕获了数据中的主要时间变化，并且模型性能在回顾性和前瞻性方面保持相对稳定。9 年前在长期监测站点模拟与测量的每小时对数转换 PNC 的 Pearson 相关为 0.74。我们的结果表明，高分辨率的时空 PNC 模型能够以通常良好的准确性回顾性和前瞻性地估计环境浓度，这使我们有信心在流行病学研究中使用这些模型。模型预测捕获了数据中的主要时间变化，并且模型性能在回顾性和前瞻性方面保持相对稳定。9 年前在长期监测站点模拟与测量的每小时对数转换 PNC 的 Pearson 相关为 0.74。我们的结果表明，高分辨率的时空 PNC 模型能够以通常良好的准确性回顾性和前瞻性地估计环境浓度，这使我们有信心在流行病学研究中使用这些模型。模型预测捕获了数据中的主要时间变化，并且模型性能在回顾性和前瞻性方面保持相对稳定。9 年前在长期监测站点模拟与测量的每小时对数转换 PNC 的 Pearson 相关为 0.74。我们的结果表明，高分辨率的时空 PNC 模型能够以通常良好的准确性回顾性和前瞻性地估计环境浓度，这使我们有信心在流行病学研究中使用这些模型。