Using pollutant release and transfer register data in human health research: a scoping review
Notice bibliographique
Résumé
Pollutant release and transfer registers (PRTRs) collect and provide information on chemicals released to the environment or otherwise managed as waste. They support the public’s right-to-know and provide useful information in gauging performance of facilities, sectors, and governments. The extent to which these data have been used in research, particularly in relation to human health, has not been documented. In this scoping review our objective was to learn from scholarly literature the extent and nature of the use of PRTR data in human health research. We performed literature searches (1994–2011) using various search engines and (or) key words. Articles selected for review were chosen following predefined criteria, to extract and analyze data. One hundred and eighty four papers were identified. Forty investigated possible relations with health outcomes: 33 of them identified positive associations. The rest explored other uses of PRTR data. Papers identified challenges, some imputable to the PRTR. We conclude that PRTR data are useful for research, including health-related studies, and have significant potential for prioritizing research needs that can influence policy, management, and ultimately human health. In spite of their inherent limitations, PRTRs represent a perfectible, unique useful source, whose application to human health research appears to be underutilized. Developing strategies to overcome these limitations could improve data quality and increase its utility in future environmental health research and policy applications.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».