Individual- and Household-Level Interventions to Reduce Air Pollution Exposures and Health Risks: a Review of the Recent Literature
Notice bibliographique
Résumé
Abstract Purpose of Review We reviewed recent peer-reviewed literature on three categories of individual- and household-level interventions against air pollution: air purifiers, facemasks, and behavior change. Recent Findings High-efficiency particulate air/arresting (HEPA) filter air purifier use over days to weeks can substantially reduce fine particulate matter (PM2.5) concentrations indoors and improve subclinical cardiopulmonary health. Modeling studies suggest that the population-level benefits of HEPA filter air purification would often exceed costs. Well-fitting N95 and equivalent respirators can reduce PM2.5 exposure, with several randomized crossover studies also reporting improvements in subclinical cardiovascular health. The health benefits of other types of face coverings have not been tested and their effectiveness in reducing exposure is highly variable, depends largely on fit, and is unrelated to cost. Behavior modifications may reduce exposure, but there has been little research on health impacts. Summary There is now substantial evidence that HEPA filter air purifiers reduce indoor PM2.5 concentrations and improve subclinical health indicators. As a result, their use is being recommended by a growing number of government and public health organizations. Several studies have also reported subclinical cardiovascular health benefits from well-fitting respirators, while evidence of health benefits from other types of facemasks and behavior changes remains very limited. In situations when emissions cannot be controlled at the source, such as during forest fires, individual- or household-level interventions may be the primary option. In most cases, however, such interventions should be supplemental to emission reduction efforts that benefit entire communities.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».