Health benefits and control costs of tightening particulate matter emissions standards for coal power plants - The case of Northeast Brazil
Notice bibliographique
Résumé
Exposure to ambient particulate matter (PM) caused an estimated 4.2 million deaths worldwide in 2015. However, PM emission standards for power plants vary widely. To explore if the current levels of these standards are sufficiently stringent in a simple cost-benefit framework, we compared the health benefits (avoided monetized health costs) with the control costs of tightening PM emission standards for coal-fired power plants in Northeast (NE) Brazil, where ambient PM concentrations are below World Health Organization (WHO) guidelines. We considered three Brazilian PM10 (PMx refers to PM with a diameter under x micrometers) emission standards and a stricter U.S. EPA standard for recent power plants. Our integrated methodology simulates hourly electricity grid dispatch from utility-scale power plants, disperses the resulting PM2.5, and estimates selected human health impacts from PM2.5 exposure using the latest integrated exposure-response model. Since the emissions inventories required to model secondary PM are not available in our study area, we modeled only primary PM so our benefit estimates are conservative. We found that tightening existing PM10 emission standards yields health benefits that are over 60 times greater than emissions control costs in all the scenarios we considered. The monetary value of avoided hospital admissions alone is at least four times as large as the corresponding control costs. These results provide strong arguments for considering tightening PM emission standards for coal-fired power plants worldwide, including in regions that meet WHO guidelines and in developing countries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».