Intra-urban variability of long-term exposure to PM2.5 and NO2 in five cities in Colombia
Notice bibliographique
Résumé
Abstract Rapidly urbanizing cities in Latin America experience high levels of air pollution which are known risk factors for population health. However, the estimates of long-term exposure to air pollution are scarce in the region. We developed intraurban land use regression (LUR) models to map long-term exposure to fine particulate matter (PM 2.5 ) and nitrogen dioxide (NO 2 ) in the five largest cities in Colombia. We conducted air pollution measurement campaigns using gravimetric PM 2.5 and passive NO 2 sensors for 2 weeks during both the dry and rainy seasons in 2021 in the cities of Barranquilla, Bucaramanga, Bogotá, Cali, and Medellín, and combined these data with geospatial and meteorological variables. Annual models were developed using multivariable spatial regression models. The city annual PM 2.5 mean concentrations measured ranged between 12.32 and 15.99 µg/m 3 while NO 2 concentrations ranged between 24.92 and 49.15 µg/m 3 . The PM 2.5 annual models explained 82% of the variance ( R 2 ) in Medellín, 77% in Bucaramanga, 73% in Barranquilla, 70% in Cali, and 44% in Bogotá. The NO 2 models explained 65% of the variance in Bucaramanga, 57% in Medellín, 44% in Cali, 40% in Bogotá, and 30% in Barranquilla. Most of the predictor variables included in the models were a combination of specific land use characteristics and roadway variables. Cross-validation suggests that PM 2.5 outperformed NO 2 models. The developed models can be used as exposure estimate in epidemiological studies, as input in hybrid models to improve personal exposure assessment, and for policy evaluation.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,000 | 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 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 ».