A new exposure metric for traffic-related air pollution? An analysis of determinants of hopanes in settled indoor house dust
Notice bibliographique
Résumé
BACKGROUND: Exposure to traffic-related air pollution (TRAP) can adversely impact health but epidemiologic studies are limited in their abilities to assess long-term exposures and incorporate variability in indoor pollutant infiltration. METHODS: In order to examine settled house dust levels of hopanes, engine lubricating oil byproducts found in vehicle exhaust, as a novel TRAP exposure measure, dust samples were collected from 171 homes in five Canadian cities and analyzed by gas chromatography-mass spectrometry. To evaluate source contributions, the relative abundance of the highest concentration hopane monomer in house dust was compared to that in outdoor air. Geographic variables related to TRAP emissions and outdoor NO2 concentrations from city-specific TRAP land use regression (LUR) models were calculated at each georeferenced residence location and assessed as predictors of variability in dust hopanes. RESULTS: Hopanes relative abundance in house dust and ambient air were significantly correlated (Pearson's r=0.48, p<0.05), suggesting that dust hopanes likely result from traffic emissions. The proportion of variance in dust hopanes concentrations explained by LUR NO2 was less than 10% in Vancouver, Winnipeg and Toronto while the correlations in Edmonton and Windsor explained 20 to 40% of the variance. Modeling with household factors such as air conditioning and shoe removal along with geographic predictors related to TRAP generally increased the proportion of explained variability (10-80%) in measured indoor hopanes dust levels. CONCLUSIONS: Hopanes can consistently be detected in house dust and may be a useful tracer of TRAP exposure if determinants of their spatiotemporal variability are well-characterized, and when home-specific factors are considered.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».