MétaCan
Menu
Retour à la cohorte
Enregistrement W2982654721 · doi:10.1038/s41467-019-12890-3

Carbon and health implications of trade restrictions

2019· article· en· W2982654721 sur OpenAlexaff
Jintai Lin, Mingxi Du, Lulu Chen, Kuishuang Feng, Yu Liu, Randall V. Martin, Jingxu Wang, Ruijing Ni, Yu Zhao, Hao Kong, Hongjian Weng, Mengyao Liu, Aaron van Donkelaar, Qiuyu Liu, Klaus Hubacek

Notice bibliographique

RevueNature Communications · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversité du Québec à MontréalDalhousie University
Organismes subventionnairesNational Key Research and Development Program of ChinaGrantová Agentura České RepublikyNational Natural Science Foundation of China
Mots-clésGlobalizationProduction (economics)Emission intensityNatural resource economicsInternational tradeProduct (mathematics)International economicsGreenhouse gasCarbon dioxideGross domestic productTariffBusinessChinaEconomicsChemistryEconomic growthGeographyEcologyMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract In a globalized economy, production of goods can be disrupted by trade disputes. Yet the resulting impacts on carbon dioxide emissions and ambient particulate matter (PM2.5) related premature mortality are unclear. Here we show that in contrast to a free trade world, with the emission intensity in each sector unchanged, an extremely anti-trade scenario with current tariffs plus an additional 25% tariff on each traded product would reduce the global export volume by 32.5%, gross domestic product by 9.0%, carbon dioxide by 6.3%, and PM2.5-related mortality by 4.1%. The respective impacts would be substantial for the United States, Western Europe and China. A freer trade scenario would increase global carbon dioxide emission and air pollution due to higher levels of production, especially in developing regions with relatively high emission intensities. Global collaborative actions to reduce emission intensities in developing regions could help achieve an economic-environmental win-win state through globalization.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,068
Tête enseignante GPT0,381
Écart entre enseignants0,313 · 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

Citations83
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAir Quality and Health ImpactsTravaux en français237 207