Benefits of Decreased Mortality Risk from Reductions in Primary Mobile Source Fine Particulate Matter: A Limited Data Approach for Urban Areas Worldwide
Notice bibliographique
Résumé
We developed an approach to estimate the public health benefits resulting from transportation projects or environmental actions that reduce mobile source fine particulate matter (PM2.5 ) in select urban areas worldwide when input data are limited or when a rapid order-of-magnitude assessment is needed. For a given reduction in direct PM2.5 emissions, we can use this approach to quantify (1) the subsequent reduction in ambient primary PM2.5 concentration in the urban area; (2) the public health benefits associated with mortality risk reductions, measured in terms of avoided premature deaths; and (3) the economic value of the reduced mortality risk. To illustrate our approach, we estimated the impact of a 100-metric-ton reduction in primary PM2.5 mobile source emissions in the year 2010 for 42 large, global cities. Our estimates of public health benefits and their economic value varied by city, as did the sensitivity to key assumptions and inputs. The estimated number of premature deaths avoided per 100-metric-ton reduction in PM2.5 emissions ranged from 12 to 202. City-level variability in these estimates was driven by the magnitude of the reduction in ambient PM2.5 concentration, the size of the urban population, and the baseline PM2.5 concentration. The economic value of mortality risk reductions per 100-metric-ton reduction in PM2.5 emissions ranged from $2 million to $328 million in 2010 U.S. dollars. Income per capita was the most important driver of the variability in the economic values across countries.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».