What we Know Now That We Did Not Know Then and the Way Forward for Burden Estimation
Notice bibliographique
Résumé
S12: Estimating the Global Risk and Burden of Particulate Air Pollution Exposure: Issues and Challenges, Beatrix Theater, August 28, 2019, 10:30 AM - 12:00 PM Symposium #76: Estimating the Global Risk and Burden of Particulate Air Pollution Exposure: Issues and Challenges What we Know Now That We Did Not Know Then and the Way Forward for Burden Estimation. Richard T. Burnett, Ph.D. Population Studies Division, Health Canada Interest in estimation the global burden of disease from exposure to outdoor concentrations of fine particulate matter has evolved from simplistic risk models based on a few studies to a complex integration of multiple independent particulate sources based on nearly one hundred studies. These models can now be used to estimate burden from not only outdoor air pollution sources covering the global range, but to other particulate sources including second hand smoke and household pollution from heating and cooking. The Integrated Exposure-Response (IER) model has now been extensively used to examine strategies to improve air quality throughout the world. But what is its future? Can the IER assumptions of equal toxicity among sources, independence of dosing rate, and exposure equivalence based on total inhaled dose even be clearly tested? Can it be replaced by simpler models requiring fewer assumptions? These issues will be explored in light of new information collected over the past decade.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».