BIODIESEL AT THE CROSSROADS OF CLEAN ENERGY AND CANCER PREVENTION: A DOUBLE-EDGED SWORD IN SUSTAINABLE TRANSPORT
Notice bibliographique
Résumé
Air pollution is a major environmental risk factor for cancer, driven in part by emissions from the transportation sector. Biodiesel, a renewable alternative to petrodiesel, has emerged as a promising strategy to reduce toxic emissions from diesel engines. This review critically examines the relationship between biodiesel use and cancer risk, evaluating its impact across key pollutants including particulate matter (PM), unburned hydrocarbons (UHCs), carbon monoxide (CO), and nitrogen oxides (NOₓ). Biodiesel combustion generally results in lower emissions of PM, UHCs, and CO, pollutants known to induce DNA damage, oxidative stress, and chronic inflammation, all of which contribute to carcinogenesis. These benefits are largely attributed to biodiesel’s intrinsic oxygen content, absence of aromatic compounds, and higher cetane number, which collectively promote more complete combustion. However, biodiesel is consistently associated with increased NOₓ emissions, which can lead to secondary carcinogenic pollutants like ozone and PAHs. Additionally, potential cancer risks may arise during biodiesel production and processing. The paper concludes that while biodiesel significantly improves air quality and reduces several cancer-related exposures, optimizing its formulation and combustion conditions is essential to minimize unintended health trade-offs. Biodiesel thus represents both an opportunity and a challenge in the broader effort to achieve cleaner energy and cancer prevention.
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 ».