Exposure to indoor and outdoor air pollution in schools in Africa: Current status, knowledge gaps, and a call to action
Notice bibliographique
Résumé
Chronic exposure to indoor and outdoor air pollution is linked to adverse human health impacts worldwide, and in children, these include increased respiratory symptoms, reduced cognitive and academic performance, and absences from school. African children are exposed to high levels of air pollution from aging diesel and gasoline second-hand vehicles, dusty roads, trash burning, and solid-fuel combustion for cooking. There is a need for more empirical evidence on the impact of air pollutants on schoolchildren in most countries of Africa. Therefore, we conducted a scoping review on schoolchildren's exposure to indoor and outdoor PM 2.5 (particulate matter with an aerodynamic diameter less than 2.5 μm and PM 10 (particulate matter with an aerodynamic diameter less than 10 μm) in Africa. Following PRISMA guidelines, our search strategy yielded 2975 records, of which eight peer-reviewed articles met our selection criteria and were considered in the final analysis. We also analyzed satellite data on PM 2.5 and PM 10 levels in five African regions from 1990 to 2019 and compared schoolchildren's exposure to PM 2.5 and PM 10 levels in Africa with available data from the rest of the world. The findings showed that schoolchildren in Africa are frequently exposed to PM 2.5 and PM 10 levels exceeding the recommended World Health Organization air quality guidelines. We conclude with a list of recommendations and strategies to reduce air pollution exposure in African schools. Education can help to produce citizens who are literate in environmental science and policy. Continuing air quality measurement in schools and more intervention studies are needed to protect schoolchildren's health and reduce exposure to air pollution in classrooms across Africa.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».