MétaCan
Menu
Retour à la cohorte
Enregistrement W2905106363 · doi:10.21608/jhiph.2018.19903

Traffic Air Quality Health Index in a Selected Street, Alexandria

2018· article· en· W2905106363 sur OpenAlexaboutno aff
Eman Abdellatef, Gehan Zaki, Ahmed Issa

Notice bibliographique

RevueJournal of High Institute of Public Health · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndex (typography)Air quality indexTransport engineeringGeographyEngineeringComputer scienceMeteorologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: Air Quality Health Index (AQHI) is a scale, which was designed in Canada to help people to understand how the air quality affects their health. It measures the relationship between the air quality and health on a scale from 1 to 10+. Aim: The aim of this study was to assess traffic AQHI on one street in Alexandria, Egypt at different seasonal conditions. Methods: This was a time-series study that was conducted during the period from January 1 to December 31, 2016 at Ibrahim Sherif Street. It was accomplished by three-hour air sampling of respirable particulates (PM10), nitrogen dioxide (NO2), sulfur dioxide (SO2) and ground-level ozone (O3), during the morning rush hours. A total of 156 samples for each pollutant covered all seasonal variations and activities. After laboratory analysis, the added health risks (%AR) and AQHI were calculated using the Hong Kong equation. Results: The uppermost median value of %AR was during April [72.9 (23.4)] and the minimum was during January [32.2 (10.0)]. The traffic AQHIs in the study setting were of the serious category 10+ in almost all sampling days. The maximum %AR was during spring [70.0 (19.7)], and the minimum was during winter [40.6 (19.0)]. Conclusion: From the results of the present study, we can conclude that; the highest %AR was during April, and the minimum was during January. The traffic AQHIs in the study setting were of the serious category 10+ in almost all sampling days. The most dominating pollutant affecting the %AR and AQHI was the PM10.

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)0,000
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 enseignants0,055
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,074
Tête enseignante GPT0,341
Écart entre enseignants0,267 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of High Institute of Public HealthMême sujetAir Quality Monitoring and ForecastingTravaux en français237 207