A complete transition to clean household energy can save one–quarter of the healthy life lost to particulate matter pollution exposure in India
Notice bibliographique
Résumé
Abstract Exposure to fine particulate matter (PM 2.5 ) is a leading contributor to the disease burden in India, largely due to widespread household solid fuel use. The transition from solid to clean fuels in households has the potential to substantially improve public health. India has implemented large initiatives to promote clean fuel access, but how these initiatives will reduce PM 2.5 exposure and the associated health benefits have not yet been established. We quantified the impacts of a transition of household energy from solid fuel use to liquefied petroleum gas (LPG) on public health in India from ambient and household PM 2.5 exposure. We estimate that the transition to LPG would reduce ambient PM 2.5 concentrations by 25%. Reduced exposure to total PM 2.5 results in a 29% reduction in the loss of healthy life, preventing 348 000 (95% uncertainty interval, UI: 284 000–373 000) premature mortalities every year. Achieving these benefits requires a complete transition to LPG. If access to LPG is restricted to within 15 km of urban centres, then the health benefits of the clean fuel transition are reduced by 50%. If half of original solid fuel users continue to use solid fuels in addition to LPG, then the health benefits of the clean fuel transition are reduced by 75%. As the exposure–outcome associations are non–linear, it is critical for air pollution studies to consider the disease burden attributed to total PM 2.5 exposure, and not only the portion attributed to either ambient or household PM 2.5 exposure. Our work shows that a transition to clean household energy can substantially improve public health in India, however, these large public health benefits are dependent on the complete transition to clean fuels for all.
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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».