Assessing Diesel Particulate Matter Exposure by a Multi-Metric Approach in Three Different Workplaces in Québec, Canada
Notice bibliographique
Résumé
Elemental carbon and total carbon are the surrogates usually used to assess diesel particulate matter (DPM) exposure, but the measurement of different indicators by direct-reading instruments (DRI) is also described and includes advantages and limitations. The aim of this study was to assess and compare several indicators of DPM exposure in three workplaces by using a multi-metric approach.Three workplaces in Quebec (Canada) were evaluated: an underground mine (W1; n=12), a subway tunnel (W2; n=12) and a truck repair workshop (W3; n=12). Ambient particle number concentration (PNC), submicron particulate matter (PM1), and submicron elemental carbon (EC1-DRI) were measured by DRI. Filter-based samples (FBS) were also collected to estimate the respirable and submicron fractions of elemental carbon (ECR and EC1-FBS), as well as the respirable and submicron fractions of total carbon (TCR and TC1).The geometric means of the DRI were: 128,000; 32,800 and 22,700 particles/cm3 for PNC in W1, W2 and W3, respectively; 165, 20.4 and 6.9 µg/m3 for PM1; and 148, 25 and 4.1 µg/m3 for EC1-DRI. W1 also had the highest concentrations of ECR, EC1-FBS, TCR and TC1. EC1-DRI showed the strongest association with EC1-FBS when considering all workplaces (ρ= 0.966; p<0.001), but this association decreased at lower concentrations of DPM. PM1 (ρ= 0.936; p<0.001) and PNC (ρ= 0.871; p<0.001) also showed a strong positive correlation with EC1-FBS. Ratios of 1.05, 1.76 and 1.30 were calculated between TC1/PM1 for W1, W2 and W3, respectively. This study provided solid information about the concentrations, as well as their associations, of several indicators of DPM exposure in three different exposure contexts.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».