Towards cleaner air: PM2.5 exposure and disparities around childcare providers in England
Notice bibliographique
Résumé
ABSTRACT Air pollution poses a significant health risk for young children, particularly in urban and deprived areas. Exposure to fine particulate matter (PM 2.5 ) during early life may contribute to long-term adverse health outcomes. This study examined changes in PM 2.5 concentrations around Early Years Providers (EYPs; childcare providers) in England from 2018 to 2022. We assessed associations between small-area socio-demographic characteristics and exposure levels exceeding the World Health Organisation (WHO) 2021 annual air quality guideline (>5 μg/m 3 ). We integrated data on EYPs locations from Ordnance Survey with annual PM 2.5 estimates from DEFRA using Geographic Information Systems and socio-demographic indicators — deprivation, urbanicity, and ethnic composition. A Bayesian spatial regression model with random effects was used to estimate adjusted associations between PM 2.5 levels and local population characteristics. The number of EYPs ranged from 15,780 in 2018 to 18,427 in 2019. Mean PM 2.5 levels around EYPs changed by 17.8% over the study period (from 9.4 μg/m 3 [SD=1.8] in 2018 to 7.8 μg/m 3 [SD=1.5] in 2022). However, PM 2.5 levels at over 96% of EYPs remained above the WHO 2021 annual guideline throughout. Higher PM 2.5 concentrations were observed in EYPs located in more deprived, urban, and predominantly non-white communities. Despite recent improvements, PM 2.5 levels around most EYPs in England remain above recommended thresholds. Targeted interventions in deprived urban areas are needed to reduce young children’s exposure and address environmental health inequalities.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».