POLUSI UDARA DALAM RUMAH SEKITAR JALAN RAYA: INTRUSI NO2 DARI TRANSPORTASI DAN GANGGUAN PERNAPASAN PADA PENGHUNI RUMAH
Notice bibliographique
Résumé
Urbanisasi telah menyebabkan meningkatnya jumlah kendaraan bermotor sehingga diperkirakan efekpencemaran udara meluas mempengaruhi kualitas udara dalam rumah. Iklim Indonesia yang tropis turutmemperparah keadaan tersebut, khususnya rumah-rumah di sekitar jalan utama. Penelitian ini dilakukan untukmengetahui hubungan transportasi di jalan raya terhadap paparan NO2, sekaligus insidensi gangguanpernapasan pada 50 rumah sampel di Kawasan Karees, Bandung. Pengumpulan data menggunakan metodepengukuran NO2 secara pasif dan wawancara. Diketahui dapur memiliki konsentrasi tertinggi dengan rerata45,82 ?g/m3 (27,57 103,46), kemudian ruang tamu 35,73 ?g/m3 (21,03 70,36), ruang keluarga 34,00 ?g/m3(SD 7,092), serta kamar tidur yang rerata konsentrasinya 29,76 ?g/m3 (SD 7,548). Adapun sumber paling utamapenyebab terpaparnya NO2 di ruang tamu berasal dari luar rumah (r = 0,559). Ruang keluarga bersumber daribeberapa ruangan (r = 0,647) dengan yang paling potensialnya ruang tamu. Sedangkan kamar tidur bersumberdari ruang keluarga (r = 0,700,), kemudian dapur berasal dari aktivitas memasak yang berlangsung. Hubunganinsidensi gangguan pernapasan terhadap NO2 dalam rumah dilakukan melalui pendekatan yang menggunakansudut pandang insidensi pada ibu/pembantu rumah. Hasil yang diperoleh adalah bahwa insidensi memilikihubungan yang cukup kuat terhadap variabel asmatik (OR = 10,43) dan keberadaan di dalam rumah (OR =6,32). Dengan ANOVA one ways diketahui, untuk ruang tamu dan ruang keluarga rumah penderita asma,konsentrasi NO2 pada rumah penderita yang sering kambuh berpengaruh dibandingkan rumah yang jarangkambuh.Kata Kunci: kendaraan bermotor, konsentrasi NO2, sekitar jalan raya, intrusi ke dalam rumah.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; 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 ».