Ambient Air Pollution and Population Health: Overview
Notice bibliographique
Résumé
In November 2003 approximately 200 researchers, stakeholders, and policymakers from more than 40 countries gathered to discuss the science and policy implications of air pollution and human health as part of the AIRNET/NERAM Strategies for Clean Air and Health initiative. The purpose of this paper is to review the more than 35 research posters presented at the conference, including exposure, toxicological, and epidemiological studies of air pollution. Collectively, these papers support previous evidence that both short- and long-term exposures to particulate air pollution have adverse population health impacts, including effects on children. Cellular studies also suggest that air pollution can cause mutagenic and oxidative effects, raising concerns about carcinogenicity and cellular regeneration. Studies of biomarkers, such as Clara-cell proteins and lymphocyte damage assessment, provide further evidence of air pollution effects at the cellular level. Other studies have focused on improvements to measurement and sources of air pollution. These studies suggest that particle mass rather than particle composition may be a more useful indicator of potential human health risk. It is well known that emissions from transportation sources are a major contributor to ambient air pollution in large urban centres. Epidemiologic researchers are able to reduce bias due to misclassification and improve exposure assessment models by allocating air pollution exposure according to distance from traffic sources or land-use patterns. The close association between traffic patterns and air pollution concentrations provides a potential basis for the development of transport policies and regulations with population health improvements as a primary objective. The results of the research presented here present opportunities and challenges for the development of policies for improvements to air quality and human health. However, there remains the challenge of how best to achieve these reductions.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».