MétaCan
Menu
Retour à la cohorte
Enregistrement W2137518022 · doi:10.1016/j.envres.2014.04.007

Characterizing the impact of traffic and the built environment on near-road ultrafine particle and black carbon concentrations

2014· article· en· W2137518022 sur OpenAlexafffundabout
Scott Weichenthal, William Farrell, Mark S. Goldberg, Lawrence Joseph, Marianne Hatzopoulou

Notice bibliographique

RevueEnvironmental Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMcGill UniversityHealth Canada
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésUltrafine particleEnvironmental scienceInterquartile rangeAir pollutionRange (aeronautics)TruckAtmospheric sciencesMeteorologyEnvironmental engineeringGeographyMedicineEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasing evidence suggests that ultrafine particles (UFPs) may contribute to cardiorespiratory morbidity. We examined the relationship between near road UFPs and several traffic and built environment factors to identify predictors that may be used to estimate exposures in population-based studies. Black carbon (BC) was also examined. METHODS: Data were collected on up to 6 occasions at 73 sites in Montreal, Canada over 6-week period during summer, 2012. After excluding highly correlated variables, road width, truck ratio (trucks/total traffic), building height, land zoning parameters, and meteorological factors were evaluated. Random-effect models were used to estimate percent changes in UFP and BC concentrations with interquartile changes in each candidate predictor adjusted for meteorological factors. RESULTS: Mean pollutant concentrations varied substantially across sites (UFP range: 1977-94, 798 particles/cm(3); BC range: 29-9460 ng/m(3)). After adjusting for meteorology, interquartile increases in road width (14%, 95% CI: 0, 30), building height (13%, 95% CI: 5, 22), and truck ratio (13%, 95% CI: 3, 23) were the most important predictors of mean UFP concentrations. Road width (28%, 95% CI: 9, 51) and industrial zoning (18%, 95% CI: 2, 37) were the strongest predictors of maximum UFP concentrations. Industrial zoning (35%, 95% CI: 9, 67) was the strongest predictor of BC. CONCLUSIONS: A number of traffic and built environmental factors were identified as important predictors of near road UFP and BC concentrations. Exposure models incorporating these factors may be useful in evaluating the health effects of traffic related air pollution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,254
Score d'incertitude au seuil0,506

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,061
Tête enseignante GPT0,355
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), 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

Citations79
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental ResearchMême sujetAir Quality and Health ImpactsTravaux en français237 207