MétaCan
Menu
Retour à la cohorte
Enregistrement W2886762827 · doi:10.11159/icepr18.103

Air Pollution due to Desertification and Diseases Caused by It

2018· article· en· W2886762827 sur OpenAlexvenueno aff
N. Shakerian, Hasan Khosravi, Behzad Shakerian

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDesertificationPollutionEnvironmental scienceAir pollutionEnvironmental planningComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Pollution is one of the most dangerous threats to humans and even animals.Desertification and climate change are the most important environmental challenges in arid regions, which affects the health of people all over the world such as air pollution.Air pollution has become a global problem today, which threatens the health of humans around the world.Air pollution although is harmful for all people of all ages but a wide range of people, including children, the elderly, pregnant women and patients are more vulnerable than others.Most of the pollution caused by air pollution is related to the respiratory system and lungs, the immune system, the heart, and the vision system.In the study of air pollutants and dust particles, dust and greasers are significant parts.In this research, we tried to explain about these materials a little and how they are produced, their mode of action, the diseases cause by them and the ways to prevent these harmful pollutants.Also we studied the climatic parameters (precipitation, temperature, evapotranspiration and wind) to determine dry month of area and the effect of it in Khuzestan province (IRAN) that is affected by dust since 2003.Based on the results of the most important climatic factors that influence desertification and air pollution of the Khuzestan the month of April to mid-October, the region was dry, so that, June, July and August seems to be its greatest extent.The prevalence of diseases caused by dust and air pollution is the most in these months.This study was prepared with the help of a group of Iranian medical professors in a descriptive method.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,029
Tête enseignante GPT0,290
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetAir Quality and Health ImpactsTravaux en français237 207