What drives parents’ use of air quality indexes during wildfire smoke events: predictors of index knowledge, frequent checking, and following health guidance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
= 2100) participated in an online cross-sectional study. Binary and ordinal logistic regression models were used to examine geographic, demographic, and psychosocial predictors of three dependent variables: knowledge of where to check AQI information, frequent checking of AQI information during wildfire seasons, and adherence to AQI health messages around reducing/rescheduling outdoor physical activity. Smoke-exposure analysis indicated widespread potential exposures to wildfire smoke across all four jurisdictions. Nonetheless, parents in BC, on average, were less likely to report knowing where to check AQI information, checked less frequently, and were less likely to adhere to AQI guidance than parents in the three US states. Adherence to AQI health messages did not differ by jurisdiction in the presence of other covariates, suggesting parents are equally likely to follow AQI guidance when they know where to find it and check it. Other consistent predictors of the three dependent variables included experience with prior smoke-related health impacts, smoke risk perceptions, and use of internet/mobile applications as sources of smoke information. These findings indicate that increased promotion of AQIs may benefit parents in some regions during wildfires. Future evaluations of smoke education initiatives could help health agencies share effective practices across jurisdictions and target interventions to increase AQI adoption. Supplementary information: The online version contains supplementary material available at 10.1007/s11111-025-00491-w.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle