Exposition à la pollution atmosphérique liée au trafic routier et risques sanitaires
Bibliographic record
Abstract
Alors que les liens entre la pollution globale de l’atmosphère en milieu urbain et la santé sont aujourd’hui bien établis, l’épidémiologie se heurte à de nombreuses difficultés pour estimer spécifiquement les risques liés aux expositions à proximité du trafic routier. Cette revue bibliographique a pour but de fournir un état des lieux des méthodes d’estimation des expositions et de présenter les principaux résultats des études épidémiologiques.La caractérisation et la mesure de l’exposition des populations à la pollution de proximité sont difficiles à établir. Ainsi, les études épidémiologiques ont souvent eu recours à des méthodes indirectes, basées sur la distance du lieu de vie à l’axe routier ou bien sur la modélisation des niveaux de polluants en un lieu de vie. Ces méthodes, malgré leurs limites, permettent d’approcher des contrastes d’exposition bien réels qui se manifestent par un état de santé plus dégradé des populations résidant à proximité des sources de trafic routier. La pollution atmosphérique de proximité tend à être mieux caractérisée. Néanmoins, ses impacts sanitaires restent difficiles à appréhender, en particulier du fait de la très grande diversité des approches utilisées dans les études épidémiologiques. Une plus grande cohérence dans les protocoles serait ainsi souhaitable pour offrir une meilleure visibilité des résultats et mettre en œuvre des politiques de protection des populations les plus à risque.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".