APHEIS HEALTH IMPACT ASSESSMENT
Notice bibliographique
Résumé
ISEE-90 Introduction: The Apheis programme aims to provide European decision makers, environmental-health professionals and the general public with up-to-date information on air pollution (AP) and public health (PH). For this purpose, Apheis delivers standardised, periodic reports based on health impact assessments (HIAs) in 26 cities in 12 European countries. We describe here the short- and long-term findings of the HIA conducted in Apheis-3. Methods: Apheis developed its own guidelines for data collection and analysis, using the PSAS-9 French programme for attributable-cases calculations and the AirQ-WHO software for years of life lost (YoLL) calculations. Apheis has estimated the acute impact of PM10 and BS on premature mortality using the most recent European exposure-response functions (ERF). For the chronic impact of PM10 and PM2.5 on premature mortality we used Pope’s 2002 ERF. For the purpose of HIA, PM automatic measurements were converted by a local or European correction factor. We performed the present HIA for different scenarios on the health benefits of reducing fine particulate levels. Results: The total population covered in this HIA includes nearly 39 million inhabitants. Black smoke (BS) measurements were provided by 15 cities, Athens showing the highest mean BS levels (77 μg/m3). PM10 measurements were provided by 23 cities, in most of the cities, mean values fall below 50 μg/m3. PM2.5 measurements were provided by 12 cities, mean values are below 20 μg/m3. In the city of Madrid for e.g., in terms of life expectancy, all other things being equal, if annual mean PM2.5 levels (31 μg/m3) would be reduced to 15 μg/m3, the 51 years of life expectancy in a person of 30 years would be increased by 0.2 years, due to reduced risk of death from all causes. Discussion: In addition to the number of attributable cases, Apheis-3 HIA has produced YoLL findings for long-term exposure to fine particulates in Europe. With its monitoring system, Apheis will continue to keep the information we provide as up-to-date and accurate as possible.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,082 | 0,026 |
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 source (Gemma direct ou Codex distillé), 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 ».