Predicting Spatial Variations in Multiple Measures of PM2.5Oxidative Potential and Magnetite Nanoparticles in Toronto and Montreal, Canada
Notice bibliographique
Résumé
There is growing interest to move beyond fine particle mass concentrations (PM2.5) when evaluating the population health impacts of outdoor air pollution. However, few exposure models are currently available to support such analyses. In this study, we conducted large-scale monitoring campaigns across Montreal and Toronto, Canada during summer 2018 and winter 2019 and developed models to predict spatial variations in (1) the ability of PM2.5 to generate reactive oxygen species in the lung fluid (ROS), (2) PM2.5 oxidative potential based on the depletion of ascorbate (OPAA) and glutathione (OPGSH) in a cell-free assay, and (3) anhysteretic magnetic remanence (XARM) as an indicator of magnetite nanoparticles. We also examined how exposure to PM oxidative capacity metrics (ROS/OP) varied by socioeconomic status within each city. In Montreal, areas with higher material deprivation, indicating lower area-level average household income and employment, were exposed to PM2.5 characterized by higher ROS and OP. This relationship was not observed in Toronto. The developed models will be used in epidemiologic studies to assess the health effects of exposure to PM2.5 and iron-rich magnetic nanoparticles in Toronto and Montreal.
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) | 0,001 | 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 ».