MétaCan
Menu
Retour à la cohorte
Enregistrement W2763706741 · doi:10.1016/j.atmosenv.2017.10.010

A systematic review of land use regression models for volatile organic compounds

2017· review· en· W2763706741 sur OpenAlexaffabout
Heresh Amini, Masud Yunesian, Vahid Hosseini, Christian Schindler, Sarah B. Henderson, Nino Künzli

Notice bibliographique

RevueAtmospheric Environment · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensBC Centre for Disease ControlUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEthylbenzeneBTEXBenzeneTolueneEnvironmental scienceEnvironmental chemistryVolatile organic compoundFormaldehydeXyleneAir pollutionLatitudeChemistryEnvironmental engineeringGeographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Various aspects of land use regression (LUR) models for volatile organic compounds (VOCs) were systematically reviewed. Sixteen studies were identified published between 2002 and 2017. Of these, six were conducted in Canada, five in the USA, two in Spain, and one each in Germany, Italy, and Iran. They were developed for 14 different individual VOCs or groupings: benzene; toluene; ethylbenzene; m -xylene; p -xylene; ( m / p )-xylene; o -xylene; total BTEX; 1,3-butadiene; formaldehyde; n -hexane; total hydro carbons; styrene; and acrolein. The models were based on measurements ranging from 22 sites in El Paso (USA) to 179 sites in Tehran (Iran). Only four studies in Rome (Italy), Sabadell (Spain), Tehran, and Windsor (Canada) met the Cocheo's criterion of having at least one passive sampler per 3.4 km 2 of study area. The range of R 2 values across all models was from 0.26 for 1,3-butadiene in Dallas (USA) to 0.93 for benzene in El Paso. The average R 2 values among two or more studies of the same VOCs were as follows: benzene (0.70); toluene (0.60); ethylbenzene (0.66); ( m / p )-xylene (0.65); o -xylene (0.61); total BTEX (0.66); 1,3-butadiene (0.46); and formaldehyde (0.56). The common spatial predictors of studied VOC concentrations were dominated by traffic-related variables, but they also included proximity to ports in the USA, number of chimneys in Canada, altitude in Spain, northern latitudes in Italy, and proximity to sewage treatment plants and to gas filling stores in Iran. For the traffic-related variables, the review suggests that large buffers, up to 5,000 m, should be considered in large cities. Although most studies reported logical directions of association for predictors, some reported inconsistent results. Some studies included log-transformed predictors while others divided one variable by another. Only six studies provided the p-values of predictors. Future work may incorporate chemistry-transport models, satellite observations, meteorological variables, particularly temperature, consider specific sources of aromatic vs aliphatic compounds, or may develop hybrid models. Currently, only one national model has been developed for Canada, and there are no global LUR models for VOCs. Overall, studies from outside North America and Europe are critically needed to describe the wide range of exposures experienced by different populations. • Sixteen LUR studies for VOCs identified conducted mostly in high income countries. • Twelve studies did not meet Cocheo's criterion for measurement site density. • Local sources can be indeed important to capture. • Large buffers, up to 5,000 m, might be needed in large cities for traffic variables. • One national model exists for Canada and there are no global LUR models for VOCs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,113
Tête enseignante GPT0,354
Écart entre enseignants0,241 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric EnvironmentMême sujetAir Quality and Health ImpactsTravaux en français237 207