Inequalities in Air Pollution Exposure and Attributable Mortality in a Low Carbon Future
Notice bibliographique
Résumé
Abstract Understanding the costs and benefits of climate change mitigation and adaptation options is crucial to justify and prioritize future decarbonization pathways to achieve net zero. Here, we quantified the co‐benefits of decarbonization for air quality and public health under scenarios that aim to limit end‐of‐century warming to 2°C and 1.5°C. We estimated the mortality burden attributable to ambient PM 2.5 exposure using population attributable fractions of relative risk, incorporating projected changes in population demographics. We found that implementation of decarbonization scenarios could produce substantial global reductions in population exposure to PM 2.5 pollution and associated premature mortality, with maximum health benefits achieved in Asia around mid‐century. The stringent 1.5ºC‐compliant decarbonization scenario (SSP1‐1.9) could reduce the PM 2.5 ‐attributable mortality burden by 29% in 2050 relative to a middle‐of‐the‐road scenario (SSP2‐4.5), averting around 2.9 M annual deaths worldwide. While all income groups were found to benefit from improved air quality through a combination of decarbonization and air pollution controls, the smallest health benefits are experienced by the low‐income population. The disparity in PM 2.5 exposure across income groups is projected to reduce by 2100, but a 30% disparity between high‐ and low‐income groups persists even in the strongest mitigation scenario. Further, without additional and targeted air quality measures, low‐ and lower‐middle‐income populations (predominantly in Africa and Asia) will continue to experience PM 2.5 exposures that are over three times the World Health Organization Air Quality Guideline.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».