Mikrobiperäisten hajujen esiintyminen asunnoissa ja aistinvarainen havainnointi
Bibliographic record
Abstract
Suomessa on kaupparekisterin mukaan hieman alle 90 000 asunto-osakeyhtiötä. Näistä yli puolet on rakennettu 1960–1980-luvuilla. Yksityisasuntojen sisäilmaongelmat ovat ongelma myös Helsingin kaupungissa. Sisäilman epäpuhtauksia ja niiden vaikutuksia terveyteen ei kokonaisuudessaan vielä ymmärretä, joten on erittäin vaikeaa määrittää sisäilmalle sopivaa laatutasoa. Toisaalta ihmiset ovat erilaisia ja siten on monesti haastavaa saada rakennuksen sisäilmasto sellaiseksi, että kaikki kokisivat sen viihtyisäksi. \n \nTällä hetkellä Suomen lainsäädäntö ei määrittele hajuhaitalle minkäänlaisia haitallisia pitoisuuksia. Kyseessä on asunnontarkastajan sekä haitasta kärsivän asukkaan subjektiivinen kokemus hajuhaitan olemassaolosta. Tässä työssä hajuilla tarkoitetaan mikrobiperäisiä hajuja. \n \nTämän opinnäytetyön tavoite oli tutkimalla selvittää sisäisten ja ulkoisten seikkojen vaikutusta mahdollisen terveyshaitan toteamiseen. Lisäksi tavoitteena oli selvittää mikrobi- ja kosteusvaurioiden esiintymistä sekä niiden korjaustapoja haitan poistamiseksi. Työssä pohdittiin myös aiempien tutkimusten merkitystä haitan todentamisen helpottamiseksi sekä keinoja optimaalisen tarkastusajankohdan valintaan. \n \nTutkimusstrategiana tässä työssä käytettiin empiiristä tutkimusta eli tutkimus perustui tutkimuskohteiden havainnointiin ja mittaamiseen. \n \nTutkituista rakennuksista oli kerrostaloja 49 kpl eli 83 % ja rivitaloja 10 kpl eli 17 % kohteista. Terveyshaitta todettiin 13 kohteessa 59 tutkitusta kohteesta, joka on 22 % eli vain noin viidenneksessä tapauksista. Terveyshaitan toteamisprosentti ei ollut kovin iso, mutta se kuvastaa tilannetta asunnontarkastuksiin liittyen ympäristöpalveluissa. Ilmanvaihtotavasta ei voinut päätellä terveyshaitan todennäköisyyttä. Kosteusvauriot, jotka johtivat korjauskehotukseen, oli ennen 1990-lukua rakennetuissa taloissa. \n \nTulosten perusteella ei voi optimoida asunnontarkastuksen ajankohtaa, koska tuloksista voi päätellä, että terveyshaittoja on todettu eri sääolosuhteissa ja eri ilmanvaihdon kanssa sekä eri talotyypeissä, eikä haitan toteaminen siten ole riippuvainen mistään ulkoisesta tai sisäisestä olosuhteesta. Terveyshaittoja on myös todettu eri ikäisissä taloissa. Mikrobiperäinen haju tai kosteusvaurio ei myöskään paikannu mihinkään tiettyyn vuosikymmeneen enemmän kuin toiseen. Työn perusteella ei välttämättä ole helpompi todeta terveyshaittaa, vaikka aiempia tutkimuksia olisikin tehty; ne eivät aina ilmaise selkeää terveyshaittaa. Subjektiivinen terveyshaitan toteaminen tulee olemaan vaikeaa tulevaisuudessakin eikä siihen voida tehdä lakimuutosta sen subjektiivisuuden takia.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.058 | 0.019 |
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".