Temporal trends in ambient fine particulate matter and the impacts of COVID-19 on this pollutant in Grenada, West Indies
Notice bibliographique
Résumé
Most Caribbean islands do not have air pollution surveillance programs. Those who live in these countries are exposed to ambient air pollution from a variety of sources including motor vehicles, ocean-going vessels, and Saharan dust. We conducted an air sampling exposure study in Grenada to describe daily changes in fine particulate matter (PM2.5) pollution, and during Saharan dust episodes. Further, we assessed the impacts of COVID-19 public health interventions on PM2.5 concentrations in 2020. Four fixed-site PurpleAir monitors were installed throughout Grenada, and one on the neighboring island of Carriacou. PM2.5 was measured between January 6 and December 31, 2020. We classified each of these days based on whether COVID-19 public health mitigation measures were in place or not. Descriptive analyses were performed to characterize fluctuations in PM2.5, and we assessed the impacts of public health restrictions on PM2.5 using multivariate regression. The mean daily PM2.5 concentration in 2020 was 4.4 μg/m3. During the study period, the minimum daily PM2.5 concentration was 0.7 μg/m3, and the maximum was 20.4 μg/m3. Daily mean PM2.5 concentrations more than doubled on Saharan dust days (8.5 vs 3.6 μg/m3; p < 0.05). The daily mean PM2.5 concentrations were estimated to be 1.2 μg/m3 lower when COVID-19 restrictions were in effect. Ambient PM2.5 concentrations in Grenada are relatively low compared to other countries; however, Saharan dust episodes represent an important source of exposure. Low-cost sensors provide an opportunity to increase surveillance of air pollution in the Caribbean, however their value could be enhanced with the development of correction algorithms that more closely approximate values from reference-grade monitors.Implications: This study describes daily fluctuations in ambient PM2.5 concentrations in Grenada in 2020. Overall, concentrations of PM2.5 were low; however, we found that Saharan dust events cause daily exceedances in PM2.5 above the current 24-hr limits of the World Health Organization. Moreover, the constructed models suggest that public health interventions to reduce the spread of COVID-19 reduced PM2.5 concentrations by 27%.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».