Response of Global Particulate-Matter-Related Mortality to Changes in Local Precursor Emissions
Notice bibliographique
Résumé
Recent Global Burden of Disease (GBD) assessments estimated that outdoor fine-particulate matter (PM2.5) is a causal factor in over 5% of global premature deaths. PM2.5 is produced by a variety of direct and indirect, natural and anthropogenic processes that complicate PM2.5 management. This study develops a proof-of-concept method to quantify the effects on global premature mortality of changes to PM2.5 precursor emissions. Using the adjoint of the GEOS-Chem chemical transport model, we calculated sensitivities of global PM2.5-related premature mortality to emissions of precursor gases (SO2, NOx, NH3) and carbonaceous aerosols. We used a satellite-derived ground-level PM2.5 data set at approximately 10 × 10 km(2) resolution to better align the exposure with population density. We used exposure-response functions from the GBD project to relate mortality to exposure in the adjoint calculation. The response of global mortality to changes in local anthropogenic emissions varied spatially by several orders of magnitude. The largest reductions in mortality for a 1 kg km(-2) yr(-1) decrease in emissions were for ammonia and carbonaceous aerosols in Eastern Europe. The greatest reductions in mortality for a 10% decrease in emissions were found for secondary inorganic sources in East Asia. In general, a 10% decrease in SO2 emissions was the most effective source to control, but regional exceptions were found.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».