Identification of Neighborhood Hotspots via the Cumulative Hazard Index: Results From a Community‐Partnered Low‐Cost Sensor Deployment
Notice bibliographique
Résumé
Abstract The Strathcona neighborhood in Vancouver is particularly vulnerable to environmental injustice due to its close proximity to the Port of Vancouver, and a high proportion of Indigenous and low‐income households. Furthermore, local sources of air pollutants (e.g., roadways) can contribute to small‐scale variations within communities. The aim of this study was to assess hyperlocal air quality patterns (intra‐neighborhood variability) and compare them to average Vancouver concentrations (inter‐neighborhood variability) to identify possible disparities in air pollution exposure for the Strathcona community. Between April and August 2022, 11 low‐cost sensors (LCS) were deployed within the neighborhood to measure PM2.5, NO2, and O3 concentrations. The collected 15‐min concentrations were down‐averaged to daily concentrations and compared to greater Vancouver region concentrations to quantify the exposures faced by the community relative to the rest of the region. Concentrations were also estimated at every 25 m grid within the neighborhood to quantify the distribution of air pollution within the community. Using population information from census data, cumulative hazard indices (CHIs) were computed for every dissemination block. We found that although PM2.5 concentrations in the neighborhood were lower than regional Vancouver averages, daily NO2 concentrations and summer O3 concentrations were consistently higher. Additionally, although CHIs varied daily, we found that CHIs were consistently higher in areas with high commercial activity. As such, estimating CHI for dissemination blocks was useful in identifying hotspots and potential areas of concern within the neighborhood. This information can collectively assist the community in their advocacy efforts.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».