Particulate matter-attributable mortality and relationships with carbon dioxide in 250 urban areas worldwide
Notice bibliographique
Résumé
Abstract Urban air pollution is high on global health and sustainability agendas, but information is limited on associated city-level disease burdens. We estimated fine particulate matter (PM 2.5 ) mortality in the 250 most populous cities worldwide using PM 2.5 concentrations, population, disease rates, and concentration-response relationships from the Global Burden of Disease 2016 Study. Only 8% of these cities had population-weighted mean concentrations below the World Health Organization guideline for annual average PM 2.5 . City-level PM 2.5 -attributable mortality rates ranged from 13–125 deaths per 100,000 people. PM 2.5 mortality rates and carbon dioxide (CO 2 ) emission rates were weakly positively correlated, with regional influences apparent from clustering of cities within each region. Across 82 cities globally, PM 2.5 concentrations and mortality rates were negatively associated with city gross domestic product (GDP) per capita, but we found no relationship between GDP per capita and CO 2 emissions rates. While results provide only a cross-sectional snapshot of cities worldwide, they point to opportunities for cities to realize climate, air quality, and health co-benefits through low-carbon development. Future work should examine drivers of the relationships (e.g. development stage, fuel mix for electricity generation and transportation, sector-specific PM 2.5 and CO 2 emissions) uncovered here and explore uncertainties to test the robustness of our conclusions.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».