A GIS–Environmental Justice Analysis of Particulate Air Pollution in Hamilton, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The authors address two research questions: (1) Are populations with lower socioeconomic status, compared with people of higher socioeconomic status, more likely to be exposed to higher levels of particulate air pollution in Hamilton, Ontario, Canada? (2) How sensitive is the association between levels of particulate air pollution and socioeconomic status to specification of exposure estimates or statistical models? Total suspended particulate (TSP) data from the twenty-three monitoring stations in Hamilton (1985–94) were interpolated with a universal kriging procedure to develop an estimate of likely pollution values across the city based on annual geometric means and extreme events. Comparing the highest with the lowest exposure zones, the interpolated surfaces showed more than a twofold increase in TSP concentrations and more than a twentyfold difference in the probability of exposure to extreme events. Exposure estimates were related to socioeconomic and demographic data from census tract areas by using ordinary least squares and simultaneous autoregressive (SAR) models. Control for spatial autocorrelation in the SAR models allowed for tests of how robust specific socioeconomic variables were for predicting pollution exposure. Dwelling values were significantly and negatively associated with pollution exposure, a result robust to the method of statistical analysis. Low income and unemployment were also significant predictors of exposure, although results varied depending on the method of analysis. Relatively minor changes in the statistical models altered the significant variables. This result emphasizes the value of geographical information systems (GIS) and spatial statistical techniques in modelling exposure. The result also shows the importance of taking spatial autocorrelation into account in future justice – health studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle