Air pollution and mobility patterns in two Ugandan cities during COVID-19 mobility restrictions suggest the validity of air quality data as a measure for human mobility
Notice bibliographique
Résumé
Abstract We explored the viability of using air quality as an alternative to aggregated location data from mobile phones in the two most populated cities in Uganda. We accessed air quality and Google mobility data collected from 15 th February 2020 to 10 th June 2021 and augmented them with mobility restrictions implemented during the COVID-19 lockdown. We determined whether air quality data depicted similar patterns to mobility data before, during, and after the lockdown and determined associations between air quality and mobility by computing Pearson correlation coefficients ( $$R$$ <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"> <mml:mi>R</mml:mi> </mml:math> ), conducting multivariable regression with associated confidence intervals (CIs), and visualized the relationships using scatter plots. Residential mobility increased with the stringency of restrictions while both non-residential mobility and air pollution decreased with the stringency of restrictions. In Kampala, PM 2.5 was positively correlated with non-residential mobility and negatively correlated with residential mobility. Only correlations between PM 2.5 and movement in work and residential places were statistically significant in Wakiso. After controlling for stringency in restrictions, air quality in Kampala was independently correlated with movement in retail and recreation (− 0.55; 95% CI = − 1.01– − 0.10), parks (0.29; 95% CI = 0.03–0.54), transit stations (0.29; 95% CI = 0.16–0.42), work (− 0.25; 95% CI = − 0.43– − 0.08), and residential places (− 1.02; 95% CI = − 1.4– − 0.64). For Wakiso, only the correlation between air quality and residential mobility was statistically significant (− 0.99; 95% CI = − 1.34– − 0.65). These findings suggest that air quality is linked to mobility and thus could be used by public health programs in monitoring movement patterns and the spread of infectious diseases without compromising on individuals’ privacy.
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 | 0,034 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».