MétaCan
Menu
Retour à la cohorte
Enregistrement W4389611353 · doi:10.1073/pnas.2309325120

Quantifying fire-specific smoke exposure and health impacts

2023· article· en· W4389611353 sur OpenAlexaff
Jeff Wen, Sam Heft‐Neal, Patrick Baylis, Judson Boomhower, Marshall Burke

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesStanford Research Computing Center, Stanford UniversityRobert Wood Johnson FoundationCarnegie Corporation of New York
Mots-clésSmokeEnvironmental scienceEnvironmental healthPoison controlPopulationPrescribed burnGeographyMeteorologyMedicineForestry

Résumé

récupéré en direct d'OpenAlex

Rapidly changing wildfire regimes across the Western United States have driven more frequent and severe wildfires, resulting in wide-ranging societal threats from wildfires and wildfire-generated smoke. However, common measures of fire severity focus on what is burned, disregarding the societal impacts of smoke generated from each fire. We combine satellite-derived fire scars, air parcel trajectories from individual fires, and predicted smoke PM 2 . 5 to link source fires to resulting smoke PM 2 . 5 and health impacts experienced by populations in the contiguous United States from April 2006 to 2020. We quantify fire-specific accumulated smoke exposure based on the cumulative population exposed to smoke PM 2 . 5 over the duration of a fire and estimate excess asthma-related emergency department (ED) visits as a result of this exposure. We find that excess asthma visits attributable to each fire are only moderately correlated with common measures of wildfire severity, including burned area, structures destroyed, and suppression cost. Additionally, while recent California fires contributed nearly half of the country’s smoke-related excess asthma ED visits during our study period, the most severe individual fire was the 2007 Bugaboo fire in the Southeast. We estimate that a majority of smoke PM 2 . 5 comes from sources outside the local jurisdictions where the smoke is experienced, with 87% coming from fires in other counties and 60% from fires in other states. Our approach could enable broad-scale assessment of whether specific fire characteristics affect smoke toxicity or impact, inform cost-effectiveness assessments for allocation of suppression resources, and help clarify the growing transboundary nature of local air quality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,331
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetFire effects on ecosystemsTravaux en français237 207