The impact of weather changes on air quality and health in Brazil
Notice bibliographique
Résumé
Background and Aim: Weather changes affect air quality that is also a leading contributor to disease burden. The current evidence on the relationship between weather changes and air pollution is mainly based on the environmental processes occurring in North America and Europe. As a response to this gap in knowledge, in this study, we quantified the past weather-related changes in ambient air pollution in Brazil over 16 years (2003-2018). Then we estimated the excess mortalities associated with this impact of long-term weather changes on air quality. Methods: We applied generalized additive models (GAMs) to fit adjusted (with meteorological variables) and unadjusted models. The difference of slopes estimated by the models without and with adjusting for these meteorological variables represents the impact of weather changes on pollutant trends, defined in our study as "weather penalty”. Results: Overall, ambient air pollution levels in Brazil during the period 2003-2018 have decreased in most of the Brazilian regions. We estimated significant trends in meteorological variables, indicating an increase in temperature, relative humidity, and wind speed in all Brazilian regions over the 16-study period. Our findings suggest that PM2.5 was the pollutant most impacted by weather changes. For the 16-year period of analysis, we estimated a weather penalty ranging from 1.58 μg/m−3 (CI 95%:1.25;1.91) to 0.41 μg/m−3 (CI 95%:0.28;0.53) among the different Brazilian regions. If weather parameters had remained constant, PM2.5 would have decreased by 1.10 µg/m3 (95%CI: 0.74; 1.46) in the South and by 2.25 µg/m3 (95%CI: 2.72; 1.79) in the Midwest. Over the 16-year study period, the weather impact on PM2.5 in Brazil was associated with over 6,500 excess deaths. Conclusions: The evidence of historical weather penalty should be of interest to policy makers to devise future strategies related to environmental health and climate change. Keywords: Air pollution, Climate Change, Long-term impact
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».