Ultra-high-resolution mapping of ambient fine particulate matter to estimate human exposure in Beijing
Notice bibliographique
Résumé
Abstract With the decreasing regional-transported levels, the health risk assessment derived from fine particulate matter (PM 2.5 ) has become insufficient to reflect the contribution of local source heterogeneity to the exposure differences. Here, we combined the both ultra-high-resolution PM 2.5 concentration with population distribution to provide the personal daily PM 2.5 internal dose considering the indoor/outdoor exposure difference. A 30-m PM 2.5 assimilating method was developed fusing multiple auxiliary predictors, achieving higher accuracy (R 2 = 0.78–0.82) than the chemical transport model outputs without any post-simulation data-oriented enhancement (R 2 = 0.31–0.64). Weekly difference was identified from hourly mobile signaling data in 30-m resolution population distribution. The population-weighted ambient PM 2.5 concentrations range among districts but fail to reflect exposure differences. Derived from the indoor/outdoor ratio, the average indoor PM 2.5 concentration was 26.5 μg/m 3 . The internal dose based on the assimilated indoor/outdoor PM 2.5 concentration shows high exposure diversity among sub-groups, and the attributed mortality increased by 24.0% than the coarser unassimilated model.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,003 |
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 ».