MétaCan
Menu
Retour à la cohorte
Enregistrement W2990130261 · doi:10.1289/isee.2011.00980

DEVELOPING A LAND USE REGRESSION MODEL FOR ULTRAFINE PARTICLE CONCENTRATIONS IN VANCOUVER, CANADA

2011· article· en· W2990130261 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueISEE Conference Abstracts · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésUltrafine particleEnvironmental scienceParticle numberPopulation densityLinear regressionAir pollutionPopulationRange (aeronautics)Spatial variabilityAtmospheric sciencesStatisticsMeteorologyGeographyEnvironmental healthMedicineMathematicsEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Background and Aims: Epidemiologic studies have associated adverse health outcomes with exposure to traffic-related air pollutants, principally NO2, at levels below those showing effects in controlled exposure studies. (1) This suggests the importance of related contaminants in the traffic exhaust mixture such as ultrafine particles (UFP) (<0.1µm in diameter). Presently, no routine monitoring for UFP exists in North America and little information is available regarding UFP spatial distribution.We measured particle number concentrations (PNC) in Vancouver to develop a land use regression (LUR) model for use in epidemiologic studies and to identify important factors influencing concentrations. Methods: During a three-week sampling period in spring 2010, PNC were measured with portable condensation particle counters (CPC3007, TSI®, Shoreview, MN) for one hour at eighty locations previously used to characterize spatial variability in nitrogen oxides. PNC was measured continuously at four additional locations to assess temporal variation. LUR modeling was conducted using geographic predictors, including: road length, vehicle density, intersection and bus stop density, land use type, fast food restaurant density, population density and elevation. Results: The range of measured (one-hour median) PNC values was highly variable, 1500 -105000 particles/cm3, (mean [SD] = 18200 [15900] particles/cm3). Pearson correlations of PNC with two-week average NO, NO2 and NOx concentrations at the same sites were 0.59, 0.61 and 0.65. A preliminary LUR model (R2= 0.44) for temporally-adjusted PNC included ln-distance to nearest major road, area of industrial land within a 750m radius and density of bus stops within 100m. Conclusions: Measured PNC was highly correlated with measured nitrogen oxides. However, geographic predictors explained a smaller proportion of variability in PNC levels than found previously for nitrogen oxides, suggesting some common sources and additional unknown factors accounting for PNC spatial variability. (2) A subsequent UFP LUR model will incorporate wind speed and direction.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,621
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

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

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 Opus0,196
Tête enseignante GPT0,317
Écart entre enseignants0,121 · 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