MétaCan
Menu
Retour à la cohorte
Enregistrement W2026382699 · doi:10.1080/15287390590936085

Geographies of Risk in Studies Linking Chronic Air Pollution Exposure to Health Outcomes

2005· article· en· W2026382699 sur OpenAlexaff
Michael Jerrett, Murray M. Finkelstein

Notice bibliographique

RevueJournal of Toxicology and Environmental Health · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésAir pollutionIntersection (aeronautics)PremiseGeographyPopulation healthSpace (punctuation)Environmental healthPopulationRegional scienceCartographyComputer scienceEpistemologyMedicineEcology

Résumé

récupéré en direct d'OpenAlex

This article addresses the question of how to incorporate spatial processes into the assessment of chronic health effects from air pollution exposure. An analytic framework is developed around three related concepts: (1) the geography of susceptibility; (2) the geography of exposure; and (3) points of intersection between these two, termed the geography of risk. The article discusses how each concept encompasses many lower level issues such as meteorological dispersion of pollutants, time-space activity patterns, and population distributions of susceptible individuals in time and space. A key premise is that researchers should target studies with high degrees of overlap between geographies of exposure and susceptibility. Instances where the overlap remains incomplete, or systematically biased, usually produce attenuated or unreliable risk estimates, and some of this discordance may find expression in spatially autocorrelated residuals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,340
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Toxicology and Environmental HealthMême sujetAir Quality and Health ImpactsTravaux en français237 207