MétaCan
Menu
Retour à la cohorte
Enregistrement W2148537287 · doi:10.1111/j.1539-6924.2005.00591.x

Development of the PEARLS Model (Particulate Exposure from Ambient to Regional Lung by Subgroup) and Use of Monte Carlo Simulation to Predict Internal Exposure to PM<sub>2.5</sub> in Toronto<sup>1</sup>

2005· article· en· W2148537287 sur OpenAlexaffabout
Stephanie Gower, Stephen McColl

Notice bibliographique

RevueRisk Analysis · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAerodynamic diameterParticulatesPopulationDemographyMonte Carlo methodSubgroup analysisExposure assessmentEnvironmental healthMedicineEnvironmental scienceAir pollutionStatisticsAtmospheric sciencesMathematicsChemistryPhysicsConfidence interval

Résumé

récupéré en direct d'OpenAlex

Air pollution is a current and growing concern for Canadians, and there is evidence that ambient levels that meet current exposure standards may be associated with mortality and morbidity in Toronto, Canada. Evaluating exposure is an important step in understanding the relationship between particulate matter (PM) exposure and health outcomes. This report describes the PEARLS model (Particulate Exposure from Ambient to Regional Lung by Subgroup), which predicts exposure distributions for 11 age-gender population subgroups in Toronto to PM2.5 (PM with a median aerodynamic diameter of 2.5 microm or less) using Monte Carlo simulation techniques. The model uses physiological and activity pattern characteristics of each subgroup to determine region-specific lung exposure to PM2.5, which is defined as the mass of PM2.5 deposited per unit time to each of five lung regions (two extrathoracic, bronchial, bronchiolar, and alveolar). The modeling results predict that children, toddlers, and infants have the broadest distributions of exposure, and the greatest chance of experiencing extreme exposures in the alveolar region of the lung. Importance analysis indicates that the most influential model variables are air exchange rate into indoor environments, time spent outdoors, and time spent at high activity levels. Additionally, a "critical point" was defined and introduced to the PEARLS to investigate the effects of possible threshold-pathogenic phenomena on subgroup exposure patterns. The analysis indicates that the subgroups initially predicted to be most highly exposed were likely to have the highest proportion of their population exposed above the critical point. Substantial exposures above the critical point were predicted in all subgroups for ambient concentrations of PM2.5 commonly observed in Toronto after continuous exposure of 24 hours or more.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,022
Tête enseignante GPT0,270
Écart entre enseignants0,247 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRisk AnalysisMême sujetAir Quality and Health ImpactsTravaux en français237 207