Residential wood smoke: perceptions, health risks, and mitigating exposures
Notice bibliographique
Résumé
Almost one in five (19%) Canadian households rely on wood stoves or fireplaces as primary or supplemental sources of heating and cooking, and the emissions from these devices are an often overlooked source of air pollution. Residential wood burning produces the same amount of fine particulate matter (PM 2.5 ) as the transportation and industrial sectors combined across Canada. Exposure to wood smoke can have serious acute and chronic health effects, ranging from symptoms such as headaches, nausea, dizziness, and irritation of the eyes, nose, throat, and lungs, to an increased risk of developing chronic conditions like heart and lung diseases. Although efforts to reduce exposure by replacing old, high-emission wood stoves through education and incentives have been implemented in many jurisdictions across Canada, many of these heavily polluting devices are still regularly in use. In British Columbia alone, only 67% of fireplace inserts and 65% of wood-burning stoves are certified as low-emission. This paper examines the evidence on the disconnect between what people believe about residential wood smoke, and what is actually measured, along with the resulting health risks. We also examined current interventions, good burn practices, and jurisdictional regulations aimed at reducing indoor and outdoor wood smoke exposures. Perceptions of wood smoke were found to be inconsistent with estimated health burdens, and implementation of interventions to reduce wood smoke emissions varied greatly across jurisdictions. However, wood burning still represents the only source of energy for many Canadian households, and adaptive strategies are needed to mitigate health risks.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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 ».