We examined the effect of annual exposure to fine particulate matter (PM_2.5), nitrogen dioxide (NO₂), and ozone (O₃), on the rate of first hospitalization with a PD-related diagnosis (hospitalization with PD) among Medicare Fee-for-Service beneficiaries (2001-2016). Machine learning-derived annual air pollution concentrations were linked to residential ZIP codes. For each exposure, we fitted four models: 1) traditional outcome stratification, 2) marginal structural, 3) doubly robust, and 4) generalized propensity score matching Poisson regression models, adjusted for sociodemographic and meteorological confounders and long-term trends. Among 49,121,026 beneficiaries, incidence rate ratios of 1.08 (95% CI: 1.07, 1.10), 1.07 (95% CI: 1.05, 1.08), and 1.03 (95% CI: 1.02, 1.05) for an interquartile range increase in PM_2.5 (3.72 µg/m³), NO₂ (13.84 ppb), and O₃ (10.09 ppb), respectively, were estimated from doubly robust models. Results were similar across modeling approaches. In this nationwide study, higher air pollution exposure increased the rate of hospitalizations with PD.

我们研究了每年暴露于细颗粒物 （PM_2.5）、二氧化氮 （NO₂） 和臭氧 （O₃） 对医疗保险按服务收费受益人 （2001-2016） 首次住院诊断为 PD 相关诊断（因 PD 住院）的影响。机器学习得出的年度空气污染浓度与住宅邮政编码相关联。对于每次曝光，我们拟合了四个模型：1） 传统结果分层，2） 边缘结构，3） 双重稳健，以及 4） 匹配泊松回归模型的广义倾向评分，针对社会人口学和气象混杂因素以及长期趋势进行了调整。在 49,121,026 名受益人中，PM_2.5 （3.72 μg/m³）、NO₂ （13.84 ppb） 和 O₃ （10.09 ppb） 的四分位距增加的发生率比分别为 1.08（95% CI：1.07、1.10）、1.07（95% CI：1.05、1.08）和 1.03（95% CI：1.02,1.05）分别是从双重稳健模型估计的。不同建模方法的结果相似。在这项全国性研究中，较高的空气污染暴露量会增加 PD 住院率。