Source sector and fuel contributions to ambient PM2.5 and attributable mortality across multiple spatial scales
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Ambient fine particulate matter (PM 2.5 ) is the world’s leading environmental health risk factor. Reducing the PM 2.5 disease burden requires specific strategies that target dominant sources across multiple spatial scales. We provide a contemporary and comprehensive evaluation of sector- and fuel-specific contributions to this disease burden across 21 regions, 204 countries, and 200 sub-national areas by integrating 24 global atmospheric chemistry-transport model sensitivity simulations, high-resolution satellite-derived PM 2.5 exposure estimates, and disease-specific concentration response relationships. Globally, 1.05 (95% Confidence Interval: 0.74–1.36) million deaths were avoidable in 2017 by eliminating fossil-fuel combustion (27.3% of the total PM 2.5 burden), with coal contributing to over half. Other dominant global sources included residential (0.74 [0.52–0.95] million deaths; 19.2%), industrial (0.45 [0.32–0.58] million deaths; 11.7%), and energy (0.39 [0.28–0.51] million deaths; 10.2%) sectors. Our results show that regions with large anthropogenic contributions generally had the highest attributable deaths, suggesting substantial health benefits from replacing traditional energy sources.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle