Comparing human exposure to fine particulate matter in low and high-income countries: A systematic review of studies measuring personal PM2.5 exposure
Notice bibliographique
Résumé
Due to the adverse health effects of air pollution, researchers have advocated for personal exposure measurements whereby individuals carry portable monitors in order to better characterise and understand the sources of people's pollution exposure. The aim of this systematic review is to assess the differences in the magnitude and sources of personal PM2.5 exposures experienced between countries at contrasting levels of income. This review summarised studies that measured participants personal exposure by carrying a PM2.5 monitor throughout their typical day. Personal PM2.5 exposures were summarised to indicate the distribution of exposures measured within each country income category (based on low (LIC), lower-middle (LMIC), upper-middle (UMIC), and high (HIC) income countries) and between different groups (i.e. gender, age, urban or rural residents). From the 2259 search results, there were 140 studies that met our criteria. Overall, personal PM2.5 exposures in HICs were lower compared to other countries, with UMICs exposures being slightly lower than exposures measured in LMICs or LICs. 34% of measured groups in HICs reported below the ambient World Health Organisation 24-h PM2.5 guideline of 15 μg/m3, compared to only 1% of UMICs and 0% of LMICs and LICs. There was no difference between rural and urban participant exposures in HICs, but there were noticeably higher exposures recorded in rural areas compared to urban areas in non-HICs, due to significant household sources of PM2.5 in rural locations. In HICs, studies reported that secondhand smoke, ambient pollution infiltrating indoors, and traffic emissions were the dominant contributors to personal exposures. While, in non-HICs, household cooking and heating with biomass and coal were reported as the most important sources. This review revealed a growing literature of personal PM2.5 exposure studies, which highlighted a large variability in exposures recorded and severe inequalities in geographical and social population subgroups.
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 | 0,007 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».