Application of Different Concentration-Response Functions to Estimate the Societal Benefits of Reducing PM2.5 and NOx Emissions
Notice bibliographique
Résumé
Objective: We assess the societal benefits of reducing air pollutant emissions that contribute to ambient fine particulate matter (PM2.5), ozone (O3), and nitrogen dioxide (NO2) exposure and public health impacts. Recent evidence suggests that nonlinear, multi-pollutant concentration-response (C-R) models are more appropriate than traditional, linear forms used in epidemiology. We examine the implications of alternate C-R models in an emissions reduction framework.Methods: We integrate C-R models for non-accidental mortality due to PM2.5, O3, and NO2 into the Community Multiscale Air Quality Model (CMAQ). This sophisticated atmospheric model and its adjoint tool allow us to trace public health impacts back to sources of pollutant emissions. We compare the monetized public health benefits of reducing emissions from sources across Central Canada at a 12 km resolution for July 2010. We apply C-R models (single or multipollutant and linear or nonlinear) derived from the 2001 Canadian Census Health and Environment Cohort (CanCHEC).Results: Our preliminary results indicate significant and widespread benefits of PM2.5 and NOx (NO + NO2) emissions control, particularly in major urban areas of Central Canada. We find benefits ranging from $400,000-800,000 per ton of reduction in PM2.5 from sources in Toronto, while NOx control for the same location entails benefits of $2,000-200,000/ton depending on the choice of C-R model. Nonlinear models consistently produce larger benefit estimates than their linear counterparts. We estimate coefficients of variation based solely on the choice of C-R model to be 0.4-0.6 for PM2.5 and 0.6-1.6 for NOx.Conclusions: Our results show that the public health benefits of emission reductions are highly sensitive to C-R specification, and that traditional C-R models may significantly underestimate the benefits of air pollution controls. Further research is needed to determine the most appropriate C-R model to support public policy.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».