MétaCan
Menu
Retour à la cohorte
Enregistrement W3216344321 · doi:10.3390/atmos12121564

Quantification and Characterization of Metals in Ultrafine Road Dust Particles

2021· article· en· W3216344321 sur OpenAlexafffundabout
Suzanne Beauchemin, Christine Levesque, Clare L.S. Wiseman, Pat E. Rasmussen

Notice bibliographique

RevueAtmosphere · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensPublic Health OntarioUniversity of TorontoUniversity of OttawaThe Scarborough HospitalHealth Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHealth Canada
Mots-clésParticulatesUltrafine particleRoad dustEnvironmental chemistryEnvironmental scienceAerosolParticle sizeMass concentration (chemistry)Environmental engineeringChemistryMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

Road dust is an important source of resuspended particulate matter (PM) but information is lacking on the chemical composition of the ultrafine particle fraction (UFP; <0.1 µm). This study investigated metal concentrations in UFP isolated from the “dust box” of sweepings collected by the City of Toronto, Canada, using regenerative-air-street sweepers. Dust box samples from expressway, arterial and local roads were aerosolized in the laboratory and were separated into thirteen particle size fractions ranging from 10 nm to 10 µm (PM10). The UFP fraction accounted for about 2% of the total mass of resuspended PM10 (range 0.23–8.36%). Elemental analysis using ICP-MS and ICP-OES revealed a marked enrichment in Cd, Cr, Zn and V concentration in UFP compared to the dust box material (nano to dust box ratio ≥ 2). UFP from arterial roads contained two times more Cd, Zn and V and nine times more Cr than UFP from local roads. The highest median concentration of Zn was observed for the municipal expressway, attributed to greater volumes of traffic, including light to heavy duty vehicles, and higher speeds. The observed elevated concentrations of transition metals in UFP are a human health concern, given their potential to cause oxidative stress in lung cells.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,038
Tête enseignante GPT0,286
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), 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
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetAir Quality and Health ImpactsTravaux en français237 207