Inter-regional environmental imbalance under lasting pandemic exacerbated by residential response
Notice bibliographique
Résumé
Pandemics greatly affect transportation, economic and household activities and their associated air pollutant emissions. In less affluent regions, household energy use is often the dominant pollution source and is sensitive to the affluence change caused by a persisting pandemic. Air quality studies on COVID-19 have shown declines in pollution levels over industrialized regions as an immediate response to pandemic-caused lockdown and weakened economy. Yet few have considered the response of residential emissions to altered household affluence and energy choice supplemented by social distancing. Here we quantify the potential effects of long-term pandemics on ambient fine particulate matter pollution (PM2.5) and resulting premature mortality worldwide, by comprehensively considering the changes in transportation, economic production and household energy use. We find that a persisting COVID-like pandemic would reduce the global gross domestic product by 11.2% and PM2.5-related mortality by 9.5%. The global mortality decline would reach 13.0% had the response of residential emissions been excluded. Among the 13 aggregated regions worldwide, the least affluent regions exhibit the greatest fractional economic losses with no comparable magnitudes of mortality reduction. This is because their weakened affluence would cause switch to more polluting household energy types on top of longer stay-at-home time, largely offsetting the effect of reduced transportation and economic production. International financial, technological and vaccine aids could reduce such environmental imbalance.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 ».