Residential exposure to noise, green space, and children’s language acquisition
Notice bibliographique
Résumé
BACKGROUND: Noise pollution has been linked to impaired development in a variety of language-related skills in laboratory settings. While studies have focused on school environments, residential noise exposure's impact remains underexplored. METHODS: We used multilevel regression models to examine the association between noise exposure measured using deterministic noise modelling and language development in kindergarten-aged children in Vancouver, Canada, between April 1, 2000 and December 31, 2005, measured through a questionnaire completed by kindergarten teachers (the Early Development Instrument). The models were adjusted for median income level and English as a Secondary Language (ESL) status, as well as random effects on teachers, and we explored the potential interaction effects of greenness, measured using satellite imagery. RESULTS: The study included 33,153 children for which there were data on noise exposure and indicators of language development. The mean noise level was 63.5 dB(A), and the mean percentage of greenness within a 250-meter radius buffer zone was 31.8 %. We found that an increase in residential exposure to noise independently increased the odds of not meeting developmental expectations in basic literacy (OR: 1.18, 95 % CI: 1.12-1.25), advanced literacy (OR: 1.11, 95 % CI: 1.07-1.16), and communication and general knowledge (OR: 1.10, 95 % CI: 1.06-1.14). Greenness was found to have interaction effects with basic and advanced literacy skills in noisy environment. CONCLUSION: This study found residential exposure to noise was associated with poorer language development outcomes, with interaction effects of greenness observed in literacy skills. Future studies should also examine the long-term effects of residential exposure to noise on language development.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».