MétaCan
Menu
Retour à la cohorte
Enregistrement W2591593526 · doi:10.1073/pnas.1614453114

Co-occurrence of extremes in surface ozone, particulate matter, and temperature over eastern North America

2017· article· en· W2591593526 sur OpenAlexaboutno aff
Jordan Schnell, Michael J. Prather

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNational Aeronautics and Space AdministrationU.S. Department of EnergyNational Science Foundation
Mots-clésParticulatesHeat waveEnvironmental scienceOzoneAtmospheric sciencesHuman healthClimate changeSurface air temperatureClimatologyPollutionAir pollutionMeteorologyGeographyOceanographyEnvironmental healthGeologyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

Significance Exposure to extreme temperatures and high levels of the pollutants ozone and particulate matter poses a major threat to human health. Heat waves and pollution episodes share common underlying meteorological drivers and thus often coincide, which can synergistically worsen their health impacts beyond the sum of their individual effects. Furthermore, there is evidence that pollution episodes and heat waves will worsen under future climate change, making it imperative to understand the nature of their co-occurrence. In this paper, using 15 years of surface observations over the eastern United States and Canada, we show that the extremes cluster together in often overlapping large-scale episodes, and that the largest episodes have the hottest temperatures and highest levels of pollution.

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 enseignants0,041
Score d'incertitude au seuil0,450

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,073
Tête enseignante GPT0,347
Écart entre enseignants0,273 · 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

Citations240
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetClimate Change and Health ImpactsTravaux en français237 207