Temporal trends in ambient fine particulate matter in Grenada between 2009 and 2022
Notice bibliographique
Résumé
Despite its association with significant morbidity and mortality, ambient fine particulate matter (PM 2.5 ) is not robustly monitored in the Caribbean region. To estimate historical PM 2.5 concentration trends in Grenada, an island often impacted by Saharan dust storms, a daily time series analysis was conducted using PM 2.5 reanalysis data from the Modern-Era Retrospective Analysis for Research and Applications (MERRA-2) as a proxy, due to the absence of reference ground monitoring stations. A multivariate linear regression model was used to evaluate the interactions between MERRA-2 PM 2.5 concentrations and meteorological correlates. Finally, MERRA-2 PM 2.5 concentrations were compared to low-cost ground monitoring data obtained from PurpleAir laser particle counters. Although mean PM 2.5 concentrations remained relatively stable over the study period (14.50 μg m −3 ), significant variability was noted with a standard deviation of 8.07 μg m −3 . PM 2.5 concentrations were consistently and significantly higher during the months typically associated with Saharan dust events, with pronounced peaks linked to recorded dust storms and other natural phenomena. Given that PM 2.5 exposure is linked to various adverse health effects, the findings from this study can serve as a basis for establishing more comprehensive monitoring networks. Additionally, these findings can help inform air quality management decisions that are better tailored to the region. Finally, the lessons learned from this evaluation of temporal trends in PM 2.5 can serve to enhance research capabilities and support the implementation of air quality management initiatives in Grenada and other small island developing states in the region.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».