MétaCan
Menu
Retour à la cohorte
Enregistrement W3123172918 · doi:10.3386/w22155

Canary in a Coal Mine: Infant Mortality, Property Values, and Tradeoffs Associated with Mid-20th Century Air Pollution

2016· preprint· en· W3123172918 sur OpenAlexaff
Karen Clay, Joshua Lewis, Edson Severnini

Notice bibliographique

RevueNational Bureau of Economic Research · 2016
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCarnegie Mellon UniversityNational Science Foundation
Mots-clésCoalPollutionProperty valueEnvironmental scienceAir pollutionProperty (philosophy)GeographyCoal miningArchaeologyPolitical scienceEcologyLawBiology

Résumé

récupéré en direct d'OpenAlex

Investments in local development and infrastructure projects often generate negative externalities such as pollution. Previous work has either focused on the potential for these investments to stimulate local economic activity or the health costs associated with air pollution. This paper examines the tradeoffs associated with the historical expansion in coal-fired electricity generation in the United States, which fueled local development but produced large amounts of unregulated air pollution. We focus on a highly responsive measure of health tradeoffs: the infant mortality rate. Our analysis leverages newly digitized data on all major coal-fired power plants for the period 1938-1962, and two complementary difference-in-differences strategies based on the opening of power plants and new generating units at existing sites. We find that coal-fired power plants imposed large negative health externalities, which were partially offset by the benefits from local electricity generation. We uncover substantial heterogeneity in these tradeoffs, both across counties and over time. Expansions in coal capacity led to increases in infant mortality in counties with high baseline access to electricity, but had no effect in low-access counties. Initial expansions in coal capacity led to decreases in infant mortality, but subsequent additions led to increases in infant mortality. These evolving tradeoffs highlight the importance of accounting for both current and future payoffs when designing environmental regulation.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,194
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
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 Opus0,282
Tête enseignante GPT0,547
Écart entre enseignants0,265 · 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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetGlobal Health Care IssuesTravaux en français237 207