Source Contributions to Fine Particulate Matter and Attributable Mortality in India and the Surrounding Region
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Fine particulate matter (PM 2.5 ) exposure is a leading mortality risk factor in India and the surrounding region of South Asia. This study evaluates the contribution of emission sectors and fuels to PM 2.5 mass for 29 states in India and 6 surrounding countries (Pakistan, Bangladesh, Nepal, Bhutan, Sri Lanka, and Myanmar) by combining source-specific emission estimates, stretched grid simulations from a chemical transport model, high resolution hybrid PM 2.5, and disease-specific mortality estimates. We find that 1.02 (95% Confidence Interval (CI): 0.78–1.26) million deaths in South Asia attributable to ambient PM 2.5 in 2019 were primarily from three leading sectors: residential combustion (28%), industry (15%), and power generation (12%). Solid biofuel is the leading combustible fuel contributing to the PM 2.5 -attributable mortality (31%), followed by coal (17%), and oil and gas (14%). State-level analyses reveal higher residential combustion contributions (35%–39%) in states (Delhi, Uttar-Pradesh, Haryana) with high ambient PM 2.5 (>95 μg/m 3 ). The combined mortality burden associated with residential combustion (ambient) and household air pollution (HAP) in India is 0.72 million (95% CI:0.54–0.89) (68% attributable to HAP, 32% attributable to residential combustion). Our results illustrate the potential to reduce PM 2.5 mass and improve population health by reducing emissions from traditional energy sources across multiple sectors in South Asia.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».