Geospatial modelling and socioeconomic inequalities of transportation, human, and nature-based sounds in Accra, Ghana
Notice bibliographique
Résumé
BACKGROUND AND AIM: Urban environments are filled with mixtures of mechanical, human, and nature-based sounds, which can be detrimental, neutral, or even beneficial to physical and psychological health. The majority of epidemiological studies have focused on the harmful effects of transportation noise exposure, and there is a major gap in city-scale information on the distribution of other types of sounds which may impact health and wellbeing. METHOD: Within a large-scale multi-pollutant measurement campaign in Accra, Ghana, we collected a novel dataset of audio recordings at 146 locations over 1yr. The recordings were processed with a pre-trained neural network to classify different types of sounds and then modelled with Random Forest land use regression (LUR) to make predictions across the city with both day and night-time models. We also investigated possible socioeconomic (SES) inequalities by linking the sound predictions to small area data on household consumption, higher educational attainment, and unemployment. RESULTS: LUR model performance, assessed with 10fold cross-validation, was good for road-transport and animal sounds (R2 range 0.37 – 0.70), moderate for human speech and music (R2 range 0.21-0.42), and poor for nature sounds (R2 range: 0 – 0.10). The prevalence of road-traffic sounds was highest in the urban core and along major motorways (median: 63%-42%), human speech and music in low-income high-density residential neighbourhoods (median: 9%-23%), and animal sounds in peri-urban areas (median: 64-71%). There was a weak inverse association between road-traffic sounds and SES (Pearson correlation (r): -0.16 to -0.20). Conversely, animal sounds (like birds) are often described in soundscape surveys as ‘calming’ and ‘pleasant’ and were more prevalent in wealthier neighbourhoods (r: 0.37). CONCLUSIONS: We have illustrated a high-resolution approach to characterising the abundance of a variety of sound types at city scale, which can be incorporated into epidemiological investigations of the direct and interactive effects of harmful and/or potentially beneficial sound exposures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».