Creating National Air Pollution Models for Population Exposure Assessment in Canada
Notice bibliographique
Résumé
Background: Population exposure assessment methods that capture local-scale pollutant variability are needed for large-scale epidemiological studies and surveillance, policy, and regulatory purposes. Currently, such exposure methods are limited. Methods: We created 2006 national pollutant models for fine particulate matter [PM with aerodynamic diameter ≤ 2.5 μm (PM₂.₅)], nitrogen dioxide (NO₂), benzene, ethylbenzene, and 1,3‑butadiene from routinely collected fixed-site monitoring data in Canada. In multiple regression models, we incorporated satellite estimates and geographic predictor variables to capture background and regional pollutant variation and used deterministic gradients to capture local-scale variation. The national NO₂ and benzene models are evaluated with independent measurements from previous land use regression models that were conducted in seven Canadian cities. National models are applied to census block-face points, each of which represents the location of approximately 89 individuals, to produce estimates of population exposure. Results: The national NO₂ model explained 73% of the variability in fixed-site monitor concentrations, PM₂.₅ 46%, benzene 62%, ethylbenzene 67%, and 1,3-butadiene 68%. The NO₂ model predicted, on average, 43% of the within-city variability in the independent NO₂ data compared with 18% when using inverse distance weighting of fixed-site monitoring data. Benzene models performed poorly in predicting within-city benzene variability. Based on our national models, we estimated Canadian ambient annual average population-weighted exposures (in micrograms per cubic meter) of 8.39 for PM₂.₅, 23.37 for NO₂, 1.04 for benzene, 0.63 for ethylbenzene, and 0.09 for 1,3-butadiene. Conclusions: The national pollutant models created here improve exposure assessment compared with traditional monitor-based approaches by capturing both regional and local-scale pollution variation. Applying national models to routinely collected population location data can extend land use modeling techniques to population exposure assessment and to informing surveillance, policy, and regulation.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».