MétaCan
Menu
Retour à la cohorte
Enregistrement W4408907277 · doi:10.1186/s12942-025-00393-y

Relationships between fixed-site ambient measurements of nitrogen dioxide, ozone, and particulate matter and personal exposures in Grand Paris, France: the MobiliSense study

2025· article· en· W4408907277 sur OpenAlexaff
Sanjeev Bista, Giovanna Fancello, Karine Zeitouni, Isabella Annesi-Maesano, Basile Chaix

Notice bibliographique

RevueInternational Journal of Health Geographics · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversité de Montréal
Organismes subventionnairesH2020 European Research Council
Mots-clésParticulatesNitrogen dioxideOzoneEnvironmental scienceHuman geographyGeographyEnvironmental chemistryMeteorologyEcologyChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Past epidemiological studies, using fixed-site outdoor air pollution measurements as a proxy for participants’ exposure, might have suffered from exposure misclassification. In the MobiliSense study, personal exposures to ozone (O 3 ), nitrogen dioxide (NO 2 ), and particles with aerodynamic diameters below 2.5 μm (PM 2.5 ) were monitored with a personal air quality monitor. All the spatial location points collected with a personal GPS receiver and mobility survey were used to retrieve background hourly concentrations of air pollutants from the nearest Airparif monitoring station. We modeled 851,343 min-level observations from 246 participants. Visited places including the residence contributed the majority of the minute-level observations, 93.0%, followed by active transport (3.4%), and the rest were from on-road and rail transport, 2.4% and 1.1%, respectively. Comparison of personal exposures and station-measured concentrations for each individual indicated low Spearman correlations for NO 2 (median across participants: 0.23), O 3 (median: 0.21), and PM 2.5 (median: 0.27), with varying levels of correlation by microenvironments (ranging from 0.06 to 0.35 according to the microenvironment). Results from mixed-effect models indicated that personal exposure was very weakly explained by station-measured concentrations (R 2 < 0.07) for all air pollutants. The R 2 for only a few models was higher than 0.15, namely for O 3 in the active transport microenvironment (R 2 : 0.25) and for PM 2.5 in active transport (R 2 : 0.16) and in the separated rail transport microenvironment (R 2 : 0.20). Model fit slightly increased with decreasing distance between participants’ location and the nearest monitoring station. Our results demonstrated a relatively low correlation between personal exposure and station-measured air pollutants, confirming that station-measured concentrations as proxies of personal exposures can lead to exposure misclassification. However, distance and the type of microenvironment are shown to affect the extent of misclassification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,681

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,333
Écart entre enseignants0,285 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health GeographicsMême sujetAir Quality and Health ImpactsTravaux en français237 207