MétaCan
Menu
Retour à la cohorte
Enregistrement W4405644009 · doi:10.5864/d2024-021

Enhancing indoor air quality in ice arenas: Insights from a survey of operators

2024· article· en· W4405644009 sur OpenAlexaffvenueabout
Vittoria Vecchiarelli, Michael Scott, John Milton, Brad Putnam, Peter Heywood, Wendy Pons

Notice bibliographique

RevueEnvironmental Health Review · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensFilm Studies Association of CanadaConestoga CollegeCanadian Institute of Public Health Inspectors
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Air quality indexEnvironmental scienceIndoor air qualityMeteorologyGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

There are significant challenges to indoor air quality (IAQ) in indoor ice arenas due to fossil fuel-powered equipment. This research explores the air quality management practices in Ontario’s ice arenas, focusing on pollutants like carbon monoxide (CO) and nitrogen dioxide (NO 2 ), which pose health risks to arena workers and the public. A survey was conducted among directors/managers/operators of ice arenas in Ontario, revealing key concerns such as aging ventilation systems, inadequate monitoring, and budget constraints. The findings highlight that while many arenas are transitioning to electric equipment and implementing regular maintenance, significant gaps remain in IAQ monitoring, particularly for NO 2 . This research advocates for enhanced training, consistent inspection practices, and better resource allocation to ensure the safety of arena users.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,378
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health ReviewMême sujetAir Quality and Health ImpactsTravaux en français237 207