The Effects of the COVID-19 Pandemic on Air Pollution: A Systematic Review
Notice bibliographique
Résumé
Introduction: The efforts to reduce COVID-19 transmission could significantly affect pollution and weather in most parts of the world due to the reduction of industrial activities and road transport. Hence, this systematic review aimed to assess the effects of the COVID-19 pandemic on air pollution. Methods: The keywords were searched in the online databases of Scopus, PubMed, and Cochrane. We applied the Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA). Results: Generally ambient air pollutants (PM2.5, PM10, NO2, NOX, NO, SO2, CO, black carbon, BTX (benzene, toluene, and Xylene), NH3, HCHO, PAHs, CH4, Solid Waste, UFPs (Ultrafine particle, ≥115.5 nm)) decreased significantly during lockdown period due to restricted human activities. Noteworthy, controversial findings have been reported concerning O3 levels; most studies, especially in East Asia, reported enhancement in the levels of O3, which was mainly attributed to meteorology factors. Although the COVID-19 pandemic caused a global health crisis, the improvement in worldwide air quality status was significant. Conclusion: Generally, pollutants generated by industrial activities were observed to be significantly reduced during lockdowns.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».