Field measurements of indoor and community air quality in rural Beijing before, during, and after the <scp>COVID</scp> ‐19 lockdown
Notice bibliographique
Résumé
The coronavirus (COVID-19) lockdown in China is thought to have reduced air pollution emissions due to reduced human mobility and economic activities. Few studies have assessed the impacts of COVID-19 on community and indoor air quality in environments with diverse socioeconomic and household energy use patterns. The main goal of this study was to evaluate whether indoor and community air pollution differed before, during, and after the COVID-19 lockdown in homes with different energy use patterns. Using calibrated real-time PM2.5 sensors, we measured indoor and community air quality in 147 homes from 30 villages in Beijing over 4 months including periods before, during, and after the COVID-19 lockdown. Community pollution was higher during the lockdown (61 ± 47 μg/m3) compared with before (45 ± 35 μg/m3, p < 0.001) and after (47 ± 37 μg/m3, p < 0.001) the lockdown. However, we did not observe significantly increased indoor PM2.5 during the COVID-19 lockdown. Indoor-generated PM2.5 in homes using clean energy for heating without smokers was the lowest compared with those using solid fuel with/without smokers, implying air pollutant emissions are reduced in homes using clean energy. Indoor air quality may not have been impacted by the COVID-19 lockdown in rural settings in China and appeared to be more impacted by the household energy choice and indoor smoking than the COVID-19 lockdown. As clean energy transitions occurred in rural households in northern China, our work highlights the importance of understanding multiple possible indoor sources to interpret the impacts of interventions, intended or otherwise.
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 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 | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».