MétaCan
Menu
Retour à la cohorte
Enregistrement W2791773616 · doi:10.2196/mhealth.8273

Effect of Using an Indoor Air Quality Sensor on Perceptions of and Behaviors Toward Air Pollution (Pittsburgh Empowerment Library Study): Online Survey and Interviews

2018· article· en· W2791773616 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesCarnegie Mellon University
Mots-clésAir quality indexIndoor air qualityAir pollutionEmpowermentComputer scienceEnvironmental scienceEnvironmental engineeringMeteorologyGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Air quality affects us all and is a rapidly growing concern in the 21st century. We spend the majority of our lives indoors and can be exposed to a number of pollutants smaller than 2.5 microns (particulate matter, PM2.5) resulting in detrimental health effects. Indoor air quality sensors have the potential to provide people with the information they need to understand their risk and take steps to reduce their exposure. One such sensor is the Speck sensor developed at the Community Robotics, Education and Technology Empowerment Lab at Carnegie Mellon University. This sensor provides users with continuous real-time and historical PM2.5 information, a Web-based platform where people can track their PM2.5 levels over time and learn about ways to reduce their exposure, and a venue (blog post) for the user community to exchange information. Little is known about how the use of such monitors affects people’s knowledge, attitudes, and behaviors with respect to indoor air pollution. Objective: The aim of this study was to assess whether using the sensor changes what people know and do about indoor air pollution. Methods: We conducted 2 studies. In the first study, we recruited 276 Pittsburgh residents online and through local branches of the Carnegie Library of Pittsburgh, where the Speck sensor was made available by the researchers in the library catalog. Participants completed a 10- to 15-min survey on air pollution knowledge (its health impact, sources, and mitigation options), perceptions of indoor air quality, confidence in mitigation, current behaviors toward air quality, and personal empowerment and creativity in the spring and summer of 2016. In our second study, we surveyed 26 Pittsburgh residents in summer 2016 who checked out the Speck sensor for 3 weeks on the same measures assessed in the first study, with additional questions about the perception and use of the sensor. Follow-up interviews were conducted with a subset of those who used the Speck sensor. Results: A series of paired t tests found participants were significantly more knowledgeable (t25=−2.61, P=.02), reported having significantly better indoor air quality (t25=−5.20, P<.001), and felt more confident about knowing how to mitigate their risk (t25=−1.87, P=.07) after using the Speck sensor than before. McNemar test showed participants tended to take more action to reduce indoor air pollution after using the sensor (χ225=2.7, P=.10). Qualitative analysis suggested possible ripple effects of use, including encouraging family and friends to learn about indoor air pollution. Conclusions: Providing people with low- or no-cost portable indoor air quality monitors, with a supporting Web-based platform that offers information about how to reduce risk, can help people better express perceptions and adopt behaviors commensurate with the risks they face. Thus, thoughtfully designed and deployed personal sensing devices can help empower people to take steps to reduce their risk.

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.

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)0,002
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 enseignants0,035
Score d'incertitude au seuil0,763

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,132
Tête enseignante GPT0,442
Écart entre enseignants0,310 · 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