Long-term trends in urban NO2 concentrations and associated pediatric asthma cases: estimates from global datasets
Notice bibliographique
Résumé
Background: Levels of nitrogen dioxide (NO2), a combustion-related air pollutant largely associated with traffic in urban areas, have been changing rapidly due to competing influences of regulation and population and fossil fuel-powered economic expansion. Traffic-related NO2 is associated with pediatric asthma incidence in epidemiological studies around the world. We aim to assess long-term trends in NO2 concentrations and NO2-attributable pediatric asthma incidence in cities globally. Methods: We estimate global annual average surface NO2 concentrations at 1km resolution for 1990-2019 by combining land use regression model predictions with NO2 column densities from the Ozone Monitoring Instrument satellite sensor. We use these concentrations with an epidemiologically-derived concentration-response factor, population, and baseline disease rates to estimate NO2-attributable pediatric asthma incidence. We explore trends over the last two decades. Findings: We found diverging regional trends leading to an emerging global convergence in urban NO2 concentrations globally from 2000-2019. Concentrations are high but declining in high-income countries and low but rising elsewhere. Estimated NO2-attributable pediatric asthma incidence shows similar trends with decreases of 28-56% in North America, Western and Central Europe, and Australasia, but increases of >50% in Central and South Asia and >100% in Sub-Saharan Africa. Interpretation: Traffic-related air pollution continues to be an important contributor to pediatric asthma incidence in cities in both developed and developing countries. Divergent experiences of different world regions show that while population growth is worsening NO2 levels with substantial implications for children’s health in Asia and Africa, rapid and substantial NO2 declines are possible with effective regulations. Funding: Health Effects Institute and NASA
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».