Exploring regional air pollution transition dynamics: A multi-state markov model approach
Notice bibliographique
Résumé
BACKGROUND: Air pollution, commonly measured by the Air Quality Index (AQI), is a significant global health risk, yet its transition dynamics remain poorly understood. This study aims to investigate the regional air pollution transition dynamics across different air quality states. MATERIALS AND METHODS: We analyzed weekly average Air Quality Index (AQI) data from January to September 2024 for 19 countries across Asia, Africa, and Europe, collected from an open-access air quality monitoring platform. According to international standards, AQI was categorized into three states (Good, Unhealthy, Very Unhealthy). We applied a multi-state Markov model to assess weekly transitions between these states and estimate the average time spent in one state before transition. RESULTS: Findings indicate that in Asia and Africa, air quality tends to deteriorate more frequently than it improves, with low transition rates from "Very Unhealthy" to better states. Transitions from Unhealthy to Good were less frequent in Asia (HR: 0.09, 95% CI: 0.04, 0.19) and Africa (HR:0.25, 95% CI: 0.11, 0.55) compared to Europe, where air quality showed more stability and improvement. The Good and Unhealthy states in Asia had similar sojourn times of 6.80 (±1.77) and 6.64 (±1.38) weeks, while the Very Unhealthy state lasted 3.36 (±0.98) weeks. The Very Unhealthy state persisted for 0.95 (±0.48) weeks in Africa. Europe maintained the "Good" state longest at 7.68 (±1.98) weeks, with shorter durations for Unhealthy and Very Unhealthy states. CONCLUSION: The study highlights lengthy pollution incidents in Asia and Africa, while Europe demonstrates effective pollution control. These insights can guide policymakers in formulating strategies to mitigate pollution based on regional AQI transition trends.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».