MétaCan
Menu
Retour à la cohorte
Enregistrement W4416704895 · doi:10.26868/25222708.2025.1476

Evaluating the effectiveness of building retrofit strategies for reducing indoor overheating risks in elderly apartments

2025· article· en· W4416704895 sur OpenAlexaboutno aff
Andrés Gallardo, Farid Bahiraei

Notice bibliographique

RevueBuilding Simulation Conference proceedings · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOverheating (electricity)RetrofittingNatural ventilationThermal comfortIndoor air qualityClimate changeUrban heat islandGreenhouse gas

Résumé

récupéré en direct d'OpenAlex

Excess indoor heat significantly impacts the health and well-being of occupants, particularly vulnerable populations such as the elderly. In Canada, efforts to mitigate greenhouse gas (GHG) emissions have spurred the development of more energy-efficient residential buildings. This includes constructing highly insulated and airtight homes, as well as retrofitting existing dwellings to reduce winter heating demands and associated GHG emissions. However, if retrofits are not properly executed, they can lead to increased risks of indoor air pollution, dampness, and summertime overheating. With Canada on track to become a super-aged country, older adults (those over 65) are increasingly encouraged to 'age in place,' thereby heightening their risk of indoor heat exposure. Coupled with the anticipated rise in the frequency and intensity of climatic heatwaves due to climate change, these factors underscore the urgency of addressing overheating in Canadian homes, particularly for the elderly.The aim of this study is to evaluate the effectiveness of various retrofit strategies in reducing indoor overheating risks in elderly apartments without air conditioning. To achieve this, a simulation-based approach was employed. A calibrated building energy model was developed to assess the impact of different retrofit strategies on indoor temperature regulation.Preliminary findings from the simulations indicate that the most effective measures for mitigating indoor overheating are the use of phase change materials (PCM) in building envelopes, increased natural ventilation, and the strategic use of ceiling fans. PCMs proved particularly beneficial in regulating indoor temperatures by absorbing and releasing thermal energy, thereby reducing peak temperatures during heatwaves. Enhanced natural ventilation facilitated the expulsion of warm indoor air and the introduction of cooler outdoor air, while ceiling fans improved air circulation and enhanced thermal comfort.These findings are significant as they provide evidence-based recommendations for retrofitting elderly apartments to combat indoor overheating. Implementing these strategies can help protect the health and well-being of elderly residents, particularly during periods of extreme heat. Furthermore, these measures can contribute to broader GHG mitigation efforts by reducing the reliance on air conditioning, thereby lowering energy consumption and emissions. The study underscores the importance of carefully planned retrofits to ensure that energy efficiency measures do not inadvertently compromise indoor air quality and thermal comfort, particularly for vulnerable populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,369
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuilding Simulation Conference proceedingsMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207