Public health burden of polycyclic aromatic hydrocarbons in the East African environment: a systematic review
Notice bibliographique
Résumé
Polycyclic aromatic hydrocarbons (PAHs) are toxic substances formed during the incomplete burning of organic matter, and they pose major threats to human health and the environment. This systematic review assesses the public health burden of PAH exposure in East Africa, focusing on sources, health effects, and mitigation strategies. East Africa is experiencing rapid urbanization, industrial growth, and increasing reliance on biomass fuels, all of which contribute to elevated environmental PAH levels. Despite these developments, the region remains underrepresented in global PAH risk assessments, with limited localized data guiding policy and public health responses. This geographic focus is thus critical to identify context-specific exposure sources, assess the unique vulnerabilities of East African populations, and support targeted mitigation strategies aligned with regional socioeconomic and environmental realities. Using the PRISMA framework, studies were screened for quality and bias via the Newcastle–Ottawa Scale and JBI checklists, with 20 out of 183 articles meeting the inclusion criteria. Key exposure sources include biomass and fossil fuel combustion, urban air pollution, industrial emissions, occupational hazards, and dietary intake. Vulnerable groups, particularly women, children, and low-income urban dwellers, face heightened risks, including the risk of respiratory diseases, cardiovascular disorders, cancer, adverse birth outcomes, and neurodevelopmental impairments. Despite growing concerns, policy gaps, weak enforcement of air quality standards, and limited public awareness hinder effective mitigation. Therefore, urgent interventions are needed, including clean energy adoption, urban air pollution control, industrial regulations, and stronger public health policies. To address PAH exposure in East Africa, a multi-sectoral approach integrating policy reforms, community engagement, and sustainable environmental practices to protect public health is imperative.
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 | 0,006 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».