The Adverse Health Effects of Air Pollution from Sugarcane Burning: A Scoping Review of Observational and Experimental Evidence
Notice bibliographique
Résumé
BACKGROUND: Sugarcane burning is an agricultural practice that is implemented to increase sugar yields. However, sugarcane burning produces air pollutants associated with adverse health outcomes. This review summarizes the current knowledge of the defined exposures and health effects associated with sugarcane burning and identifies research gaps. METHODS: A scoping review was conducted using PubMed, Scopus, and Web-of-Science to identify peer-reviewed literature on health and exposure investigations associated with air pollution from burning sugarcane. Studies were eligible if they included both an air pollution measurement and a health outcome assessment in human workers and surrounding communities or animal studies associated with sugarcane burning. RESULTS: )] and total suspended particulates (TSP). Of the observational studies, 42% (8/19) were prospective cohorts, and 58% (11/19) employed an ecological design and applied variable exposure assessment methods. The experimental studies all used rodent models with varied exposure routes and pollutants. DISCUSSION: This review supports a well-documented link between air pollution from sugarcane burning and adverse health effects in workers and neighboring communities with respiratory, renal, and cardiovascular health effects; however, several knowledge gaps were identified, including the need for expansion of studies geographically, application of more advanced exposure science to characterize and quantify sugarcane emission components, probing of emerging health effects (i.e., kidney disease) and associated biomarkers, and evaluation of vulnerable populations that neighbor sugarcane operations. Furthermore, pairing exposure measurements and health assessments in the same study would increase our knowledge and better inform policies to improve the health of workers and communities impacted by sugarcane burning. https://doi.org/10.1289/EHP14456.
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 | 0,018 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».