L'effet de la pollution atmosphérique sur le développement cognitif des enfants d'âge préscolaire au Canada
Bibliographic record
Abstract
L’objectif principal de ce mémoire est de déterminer l’effet de la pollution atmosphérique sur le développement cognitif des enfants d’âge préscolaire au Canada. Pour accomplir cela, nous avons fusionné les données provenant de l’Enquête longitudinale nationale sur les enfants et les jeunes (ELNEJ), du Réseau national de surveillance de la pollution atmosphérique (RNSPA) et du Fichier de conversion des codes postaux (FCCP). Ensuite, étant donné que les données de pollution ne sont disponibles qu’aux emplacements des stations de mesure, nous avons appliqué l’algorithme K-Nearest Neighbors (KNN) pour interpoler les mesures de PM2,5 nécessaires à notre analyse. En utilisant la méthode des moindres carrés ordinaires (MCO), nous avons estimé deux modèles économétriques distincts : l’un basé sur les concentrations moyennes annuelles de PM2,5 et l’autre sur les concentrations quotidiennes de PM2,5. Nos résultats des tests NK et EVIP indiquent une corrélation négative entre l’exposition précoce aux concentrations annuelles moyennes de PM2,5 et le développement cognitif des enfants de 4-5 ans. Pour le test WAI, les résultats sont négatifs et statistiquement significatifs seulement à l’âge de 4-5 ans, tandis qu’ils sont positifs pour les autres groupes d’âge. En examinant la variable binaire annuelle, nous constatons que les résultats des tests WAI et EVIP sont négativement corrélés uniquement à l’âge de 2-3 ans, sinon ils sont positivement corrélés pour les autres tranches d’âge. Les modèles qui utilisent les concentrations annuelles semblent plus robustes et mieux adaptés pour rendre compte de ces effets, contrairement aux modèles basés sur les concentrations journalières. Ces derniers ne parviennent pas à saisir l’impact des expositions extrêmes, présentant des effets d’environ zéro ou des coefficients de corrélation faiblement positifs à 0-1 an. De manière similaire, ils affichent des coefficients faiblement négatifs, se rapprochant de zéro voire égales à zéro à 2-3 ans et 4-5 ans, et ce pour les trois tests de développement cognitif. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : développement cognitif, pollution, PM2,5, enfants d’âge préscolaire, Canada, interpolation spatiale, ELNEJ, RNSPA, FCCP
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".