Identifying inequitable exposure to toxic air pollution in racialized and low-income neighbourhoods to support pollution prevention
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
Numerous environmental justice studies have confirmed a relationship between population characteristics such as low-income or minority status and the location of environmental health hazards. However, studies of the health risks from exposure to harmful substances often do not consider their toxicological characteristics. We used two different methods, the unit-hazard and the distance-based approach, to evaluate demographic and socio-economic characteristics of the population residing near industrial facilities in the City of Toronto, Canada. In addition to the mass of air emissions obtained from the national pollutant release inventory (NPRI), we also considered their toxicity using toxic equivalency potential (TEP) scores. Results from the unit-hazard approach indicate no significant difference in the proportion of low-income individuals living in host versus non-host census tracts (t(107) = 0.3, P = 0.735). However, using the distance-based approach, the proportion of low-income individuals was significantly higher (+5.1%, t(522) = 6.0, P <0.001) in host tracts, while the indicator for "racialized" communities ("visible minority") was 16.1% greater (t(521) = 7.2, P <0.001) within 2 km of a NPRI facility. When the most toxic facilities by non-carcinogenic TEP score were selected, the rate of visible minorities living near the most toxic NPRI facilities was significantly higher (+12.9%, t(352) = 3.5, P = 0.001) than near all other NPRI facilities. TEP scores were also used to identify areas in Toronto that face a double burden of poverty and air toxics exposure in order to prioritise pollution prevention.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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