Estimating intra-urban inequities in PM2.5-attributable health impacts: A case study for Washington, DC
Notice bibliographique
Résumé
Air pollution levels are uneven within cities, contributing to persistent health disparities between neighborhoods and population sub-groups. Highly spatially resolved information on pollution levels and disease rates is necessary to characterize inequities in air pollution exposure and related health We leverage recent advances in deriving surface pollution levels from satellite remote sensing and granular data in disease rates for one city, Washington, DC, to assess intra-urban heterogeneity in fine particulate matter (PM5)- attributable mortality and We estimate PM2.5-attributable cases of all-cause mortality, chronic obstructive pulmonary disease, ischaemic heart disease, lung cancer, stroke, and asthma emergency department (ED) visits using epidemiologically-derived health impact Data inputs include satellite-derived annual mean surface PM5 concentrations; age-resolved population estimates; and statistical neighborhood-, zip code- and ward-scale disease counts. We find that PM5 concentrations and associated health burdens have decreased in DC between 2000 and 2018, from approximately 240 to 120 cause-specific deaths and from 40 to 30 asthma ED visits per year (between 2014 and 2018). However, remaining PM5-attributable health risks are unevenly and inequitably distributed across the Higher PM2.5-attributable disease burdens were found in neighborhoods with larger proportions of people of color, lower household income, and lower educational Our study adds to the growing body of literature documenting the inequity in air pollution exposure levels and pollution health risks between population sub-groups, and highlights the need for both high-resolution disease rates and concentration estimates for understanding intra-urban disparities in air pollution-related health risks.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».