FACTORS INFLUENCING AIR QUALITY HEALTH INDEX ADOPTION
Notice bibliographique
Résumé
The Air Quality Health Index (AQHI) is a 10-point scale that communicates the cumulative health risks associated with air pollution (ECCC, 2016). The general theme of this dissertation centers on an understanding of AQHI adoption while accounting for socioeconomic status (SES) in order to facilitate AQHI uptake by the public with particular focus on “at risk” populations (i.e. young children, seniors, and those with pre-existing respiratory and/or cardiovascular conditions). The study is unique since it approaches AQHI adoption consistent with the ecological model and an equity lens, and AQHI adoption is considered at the individual, organizational and community levels. The study area for this dissertation is Hamilton, Ontario, Canada. The findings from this dissertation contribute to an understanding of why AQHI is or is not being adopted and suggests potential intervention strategies to increase its uptake. Consistent with health behaviour theory, demographics (gender, age, education, area of residence), knowledge/understanding and individual risk perceptions (neighbourhood air effects on health) were found to be significant predictors of AQHI adoption. Additionally, perceived benefits of AQHI adoption included protection of health for self and those cared for via familial and/or occupational duties. While perceived barriers of AQHI adoption included lack of time required to check and follow AQHI health messages and the inability to “self-identify” as belonging to the “at risk” population. This dissertation proposes that increases in AQHI adoption may be achieved by increasing AQHI knowledge and emphasizing the benefits and relevance of AQHI such that “at risk” populations can self-identify. Additionally, AQHI uptake may be increased by providing AQHI information at a neighbourhood scale via local media sources and wearable devices.
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 | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».