Assessment of children's personal and land use regression model-estimated exposure to NO2 in Springfield, Massachusetts
Notice bibliographique
Résumé
Ambient nitrogen dioxide (NO 2 ) is derived from tailpipe vehicle emission and is linked with various of health outcomes. Personal exposure monitoring is crucial for accurate assessment of the associated disease risks. This study aimed to evaluate the utility of a wearable air pollutant sampler in determining the personal NO 2 exposure of school children for comparison with a model-based personal exposure assessment. We employed cost-effective, wearable passive samplers to directly measure personal exposure of 25 children (aged 12–13 years) in Springfield, MA to NO 2 over a five-day period in winter 2018. NO 2 levels were additionally measured at 40 outdoor sites in the same region using stationary passive samplers. A land use regression (LUR) model was developed based on the ambient NO 2 measures, with a good prediction performance (R 2 = 0.72) using road lengths, distance to highway, and institutional land area as predictor variables . Time-weighted averages (TWA), which incorporated the time-activity patterns of participants and LUR-derived estimates in children's primary microenvironments (homes, the school and commute paths), were calculated as an indirect measure of personal NO 2 exposure. Results indicated that the conventional residence-based exposure estimate approach, often used in epidemiological studies , differed from the direct personal exposure and could overestimate the personal exposure by up to 109 %. TWA improved personal NO 2 exposure estimates by accounting for the time activity patterns of individuals, a difference of 5.4 % ± 34.2 % was found for exposures compared to wristband measurements. Nevertheless, the personal wristband measurements exhibited a large variability due to the potential contributions from indoor and in-vehicle NO 2 sources. The findings suggest that exposure to NO 2 can be highly personalized based on individual activities and contact with pollutants in specific microenvironments, reaffirming the importance of measuring personal exposure.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| 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 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 ».