MétaCan
Menu
Retour à la cohorte
Enregistrement W3112931629 · doi:10.1016/j.envint.2020.106297

Determinants of personal exposure to PM2.5 and black carbon in Chinese adults: A repeated-measures study in villages using solid fuel energy

2020· article· en· W3112931629 sur OpenAlexafffund
Martha Lee, Ellison Carter, Li Yan, Queenie Chan, Paul Elliott, Majid Ezzati, Frank J. Kelly, James J. Schauer, Yangfeng Wu, Xudong Yang, Liancheng Zhao, Jill Baumgartner

Notice bibliographique

RevueEnvironment International · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensMcGill University Health CentreMcGill University
Organismes subventionnairesNatural Environment Research CouncilMedical Research CouncilCanadian Institutes of Health ResearchWellcome TrustSight Research UKNational Natural Science Foundation of China
Mots-clésStoveSolid fuelEnvironmental healthBeijingAir pollutionEnvironmental scienceChinaCarbon blackRepeated measures designPollutionDemographyGeographyMedicineStatisticsMathematicsEcologyChemistry

Résumé

récupéré en direct d'OpenAlex

Exposure to air pollution is a leading health risk factor. The variance components and contributions of indoor versus outdoor source determinants of personal exposure to air pollution are poorly understood, especially in settings of household solid fuel use. We conducted a panel study with up to 4 days of repeated measures of integrated gravimetric personal exposure to PM2.5 and black carbon in 787 men and women (ages 40–79) living in peri-urban villages in northern (Beijing and Shanxi) and southern (Guangxi) China. We simultaneously measured outdoor PM2.5 and collected questionnaire data on sociodemographic characteristics and indoor pollution sources including tobacco smoking and solid fuel stove use. We obtained over 2000 days of personal exposure monitoring which showed higher exposures in the heating season (geometric mean (GM): 108 versus 65 μg/m3 in the non-heating season for PM2.5) and among northern participants (GM: 90 versus 59 μg/m3 in southern China in the non-heating season for PM2.5). We used mixed-effects models to estimate within- and between-participant variance components and to assess the determinants of exposures. Within-participant variance in exposure dominated the total variability (68–95%). Outdoor PM2.5 was the dominant variable for explaining within-participant variance in exposure to PM2.5 (16%). Household fuel use (PM2.5: 8%; black carbon: 10%) and smoking status (PM2.5: 27%; black carbon: 5%) explained the most between-participant variance. Indoor sources (solid fuel stoves, tobacco smoking) were associated with 13–30% higher exposures to air pollution and each 10 μg/m3 increase in outdoor PM2.5 was associated with 6–8% higher exposure. Our findings indicate that repeated measurements of daily exposure are likely needed to capture longer-term exposures in settings of household solid fuel use, even within a single season, and that reducing air pollution from both outdoor and indoor sources is likely needed to achieve measurable reductions in exposures to air pollution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment InternationalMême sujetEnergy and Environment ImpactsTravaux en français237 207