MétaCan
Menu
Retour à la cohorte
Enregistrement W2318320835 · doi:10.1021/es4023859

Human Health Impacts of Biodiesel Use in On-Road Heavy Duty Diesel Vehicles in Canada

2013· article· en· W2318320835 sur OpenAlexaffabout
Mathieu Rouleau, Marika Egyed, Brett Taylor, Jack Chen, M. Samaali, Didier Davignon, Gilles Morneau

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensEnvironment and Climate Change CanadaHealth Canada
Organismes subventionnairesnon disponible
Mots-clésUltra-low-sulfur dieselBiodieselDiesel fuelEnvironmental scienceAir quality indexBiofuelLubricityWaste managementHuman healthEngineeringEnvironmental healthChemistryMedicineMeteorology

Résumé

récupéré en direct d'OpenAlex

Regulatory requirements for renewable content in diesel fuel have been adopted in Canada. Fatty acid alkyl esters, that is, biodiesel, will likely be used to meet the regulations. However, the impacts on ambient atmospheric pollutant concentrations and human health outcomes associated with the use of biodiesel fuel blends in heavy duty diesel vehicles across Canada have not been evaluated. The objective of this study was to assess the potential human health implications of the widespread use of biodiesel in Canada compared to those from ultralow sulfur diesel (ULSD). The health impacts/benefits resulting from biodiesel use were determined with the Air Quality Benefits Assessment Tool, based on output from the AURAMS air quality modeling system and the MOBILE6.2C on-road vehicle emissions model. Scenarios included runs for ULSD and biodiesel blends with 5 and 20% of biodiesel by volume, and compared their use in 2006 and 2020. Although modeling and data limitations exist, the results of this study suggested that the use of biodiesel fuel blends compared to ULSD was expected to result in very minimal changes in air quality and health benefits/costs across Canada, and these were likely to diminish over time.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,204 · 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'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

Citations18
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetVehicle emissions and performanceTravaux en français237 207