Air pollution and environmental justice: a systematic literature review on methodological approaches
Notice bibliographique
Résumé
<h2>Abstract</h2> Air pollution is the greatest environmental risk to human health, according to the WHO and other international entities like the UN Human Rights Council and EEA. However, not everyone is equally affected by air pollution, depending on exposure and vulnerability. The objective of this systematic literature review is to investigate whether and how concepts related to environmental inequalities or justice have been considered when assessing health impacts of air pollution, identify possible gaps in knowledge, and offer suggestions for future research. A total of 99 articles are assessed considering framework, study region, time scale, data and indicators used and finally, the method applied (statistical, numerical or survey). Results show that EJ studies took place in 21 different countries, led by the United States of America (53 %), followed by Canada (6 %) and China (5 %). In terms of temporal coverage, more than 50 % of the studies were published in the last 5 years and are mainly focused on long-term studies. As regards proxy data, most of the studies focused on PM2.5, but only 50 % explicitly include health or exposure data. All studies evaluated EJ questions related to socio-economic status (SES) or race/ethnicity. The socio-economic indicators mostly used are associated with income (99 %), followed by population characterization and housing. The most common method used was statistical analysis (71 %), with 14 % applying surveys and 15 % using modelling for scenario approaches. These results point out that there is space for other case studies in Europe among other regions of the world, with more robust statistical models based on advanced mixed methods to deal with such multivariable research. At small geographic units, studies supported by survey information would be recommended to include both individual and contextual socio-economic indicators. A limited number of studies deal with social perceptions and citizen engagement. Future research is suggested. It should be noticed that this literature review only looks for occurrences of "environmental justice" related to air pollution/quality.
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 | 0,001 | 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 ».