Health impact analysis of PM2.5 from wildfire smoke in Canada (2013–2015, 2017–2018)
Notice bibliographique
Résumé
Smoke from wildfires contains many air pollutants of concern and epidemiological studies have identified associations between exposure to wildfire smoke PM2.5 and mortality and respiratory morbidity, and a possible association with cardiovascular morbidity. For this study, a retrospective analysis of air quality modelling was performed to quantify the exposure to wildfire-PM2.5 across the Canadian population. The model included wildfire emissions from across North America for a 5-month period from May to September (i.e. wildfire season), between 2013 and 2015 and 2017–2018. Large variations in wildfire-PM2.5 were noted year-to-year, geospatially, and within fire season. The model results were then used to estimate the national population health impacts attributable to wildfire-PM2.5 and the associated economic valuation. The analysis estimated annual premature mortalities ranging from 54–240 premature mortalities attributable to short-term exposure and 570–2500 premature mortalities attributable to long-term exposure, as well as many non-fatal cardiorespiratory health outcomes. The economic valuation of the population health impacts was estimated per year at $410M–$1.8B for acute health impacts and $4.3B–$19B for chronic health impacts for the study period. The health impacts were greatest in the provinces with populations in close proximity to wildfire activity, though health impacts were also noted across many provinces indicating the long-range transport of wildfire-PM2.5. Understanding the population health impacts of wildfire smoke is important as climate change is anticipated to increase wildfire activity in Canada and abroad.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».