Estimating traffic contribution to particulate matter concentration in urban areas using a multilevel Bayesian meta-regression approach
Notice bibliographique
Résumé
Quantifying traffic contribution to air pollution in urban settings is required to inform traffic management strategies and environmental policies that aim at improving air quality. Assessments and comparative analyses across multiple urban areas are challenged by the lack of datasets and methods available for global applications. In this study, we quantify the traffic contribution to particulate matter concentration in multiple cities worldwide by synthesising 155 previous studies reported in the World Health Organization (WHO)’s air pollution source apportionment data for PM10 and PM2.5. We employed a Bayesian multilevel meta-regression that accounts for uncertainties and captures both within- and between-study variations (in estimation methods, study protocols, etc.) through study-specific and location-specific explanatory variables. The final sample analysed in this paper covers 169 cities worldwide. Based on our analysis, traffic contribution to air pollution (particulate matter) varies from 5% to 61% in cities worldwide, with an average of 27%. We found that variability in the traffic contribution estimates reported worldwide can be explained by the region of study, publication year, PM size fraction, and population. Specifically, traffic contribution to air pollution in cities located in Europe, North America, or Oceania is on average 36% lower relative to the rest of the world. Traffic contribution is 28% lower among studies published after 2005 than those published on or before 2005. Traffic contribution is on average 24% lower among cities with less than 500,000 inhabitants and 19% higher when estimated based on PM10 relative to PM2.5. This quantitative summary overcomes challenges in the data and provides useful information for health impact modellers and decision-makers to assess impacts of traffic reduction policies.
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) | 0,001 | 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) | 0,004 | 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 ».