EMERGING METHODOLOGIES FOR EXAMINING ENVIRONMENTAL INFLUENCES ON CHILDREN’S EXPOSURE TO AIR POLLUTION
Notice bibliographique
Résumé
Background and Aims: Air pollution is a critical environmental and public health issue. Children are especially vulnerable to air pollution in their surroundings as they have higher ventilation rates, spend more time outdoors, and are more constrained in their mobility than adults. Most research relating health-related outcomes (e.g., asthma) to environmental factors (e.g., land uses) identifies correlations, but stops short of understanding how individuals interact with their surroundings. For example, PM2.5 is traditionally assessed using fixed or ‘passive’ monitors which assume homogeneity in pollution distribution over large areas, and have consistently under-reported actual personal exposure. Methods: We address methodological shortcomings by providing a fuller understanding of the daily spatial and temporal routines of children in the spaces they inhabit. Using an innovative suite of portable, high-precision, personal monitoring tools (air pollution monitors, accelerometers, and GPS) we are able to combine ‘active’ measurements of PM2.5 exposure, energy expenditure, and geographic location at 1-second intervals throughout a child’s day; in turn, we can identify environmental influences on children’s activities and exposure to PM2.5. These tools were used to continuously monitor 36 children in a Canadian city (London) for one week; time-activity diaries, questionnaires, and interviews were used to provide additional context. GIS was used to visualize and analyze spatial-temporal patterns. Results: This presentation will describe the innovative protocol and preliminary findings on how variations in children’s levels of exposure to PM2.5 varies in relation to spatio-temporal variations in their activities and characteristics of their everyday environments (e.g., land use patterns, greenspace). Conclusions: This study highlights the importance of ‘active’ versus ‘passive’ monitoring for more accurate assessments of exposure to air pollution. A better understanding of the spatial and temporal aspects of children’s exposure to air pollution and the environmental context provides necessary evidence for formulating interventions to promote the health of children.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,037 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».