Estimated Global Mortality Attributable to Smoke from Landscape Fires
Notice bibliographique
Résumé
BACKGROUND: Forest, grass, and peat fires release approximately 2 petagrams of carbon into the atmosphere each year, influencing weather, climate, and air quality. OBJECTIVE: We estimated the annual global mortality attributable to landscape fire smoke (LFS). METHODS: Daily and annual exposure to particulate matter ≤ 2.5 μm in aerodynamic diameter (PM(2.5)) from fire emissions was estimated globally for 1997 through 2006 by combining outputs from a chemical transport model with satellite-based observations of aerosol optical depth. In World Health Organization (WHO) subregions classified as sporadically affected, the daily burden of mortality was estimated using previously published concentration-response coefficients for the association between short-term elevations in PM(2.5) from LFS (contrasted with 0 μg/m3 from LFS) and all-cause mortality. In subregions classified as chronically affected, the annual burden of mortality was estimated using the American Cancer Society study coefficient for the association between long-term PM(2.5) exposure and all-cause mortality. The annual average PM(2.5) estimates were contrasted with theoretical minimum (counterfactual) concentrations in each chronically affected subregion. Sensitivity of mortality estimates to different exposure assessments, counterfactual estimates, and concentration-response functions was evaluated. Strong La Niña and El Niño years were compared to assess the influence of interannual climatic variability. RESULTS: Our principal estimate for the average mortality attributable to LFS exposure was 339,000 deaths annually. In sensitivity analyses the interquartile range of all tested estimates was 260,000-600,000. The regions most affected were sub-Saharan Africa (157,000) and Southeast Asia (110,000). Estimated annual mortality during La Niña was 262,000, compared with 532,000 during El Niño. CONCLUSIONS: Fire emissions are an important contributor to global mortality. Adverse health outcomes associated with LFS could be substantially reduced by curtailing burning of tropical rainforests, which rarely burn naturally. The large estimated influence of El Niño suggests a relationship between climate and the burden of mortality attributable to LFS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 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 ».