Unveilingthe Impact of Wildfires on NanoparticleCharacteristics and Exposure Disparities through Mobile and Fixed-SiteMonitoring in Toronto, Canada
Notice bibliographique
Résumé
This study investigates the impacts of wildfires on nanoparticle characteristics and exposure disparities in Toronto, integrating data from a large-scale mobile monitoring campaign and fixed-site measurements during the unprecedented 2023 wildfire season. Our results reveal changes in particle characteristics during wildfire days, with particle number concentrations decreasing by 60% and particle diameter increasing by 30% compared to nonwildfire days. Moreover, the median lung deposited surface area (LDSA) levels rose by 31% during wildfire events. We employed gradient boosting models to estimate near-road LDSA levels on both wildfire and nonwildfire days. The LDSA ratio (wildfire/nonwildfire) exceeded 2.0 in certain areas along highways and in downtown Toronto. Furthermore, our findings show that marginalized communities faced greater LDSA increases than less marginalized ones. Under wildfire conditions, the LDSA ratio difference between the most and least marginalized groups was 16% for recent immigrants and visible minorities and 7% for seniors and children, both statistically significant. This study delivers critical insights into the spatiotemporal variations of nanoparticle characteristics during wildfire and nonwildfire periods, demonstrating the substantial health risks posed by increased LDSA levels and the inequitable distribution of these risks among Toronto’s diverse population.
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 | 0,000 | 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 ».