Air pollution exposure among people with limitations in activities of daily living in the United States
Notice bibliographique
Résumé
Abstract Structural barriers including limited healthcare access and disability-related health conditions make disabled people differentially susceptible to air pollution-related adverse health outcomes compared to nondisabled people. We used 2020 census-tract level counts of individuals with limitations in activities of daily living (ADLs) to identify a subset of disabled people. We described geographic areas where this population was highly exposed to air pollution in the contiguous U.S., indicating health risk. We assessed census tract-level exposure to PM 2.5 , O 3 , NO 2 (2016–2020), and wildfire PM 2.5 (2016–2023). We mapped high ADL limitation prevalence and high air pollution exposure census tracts. Because environmental injustice means race and poverty strongly predict air pollution exposure, we also assessed exposure among people with ADL limitations by these demographic factors to identify doubly vulnerable subpopulations. High ADL limitation prevalence and PM 2.5 /NO 2 exposure co-occurred in urban areas, California’s Central Valley, Eastern Washington, and parts of the Southeast. Among people with ADL limitations, Asian and Hispanic individuals and those experiencing poverty were more exposed to PM 2.5 , O 3 , and NO 2 . Disability is not fully captured by ADL limitations; future studies should explore other definitions of disability. Future studies should evaluate interventions to reduce air pollution-related morbidity and mortality, especially in regions and subpopulations identified here, where disabled people face high exposure and multiple vulnerabilities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».