Estimating individualized exposure impacts from ambient ozone levels: A synthetic information approach

شواهد کافی وجود دارد که قرار گرفتن در معرض کوتاه مدت ازن با افزایش علائم تنفسی همراه است. با این حال، بسیاری از مطالعات جمعیت، فعالیت ها یا سطوح غلظت آلودگی را در فضا و / یا زمان جمع می کنند، در غیر اینصورت تغییرات بحرانی در سطوح قرار گرفتن در معرض خطر را ثبت نمی کنند. ما تخمینی از محدوده کیفیت هوا را با مدل اطلاعات مصنوعی منطقه متروپولیتن هوستون مقایسه می کنیم و به ما اجازه می دهیم که سطوح قرار گرفتن در معرض افراد را براساس زمان دقیق، مکان های جغرافیایی و محیط های محیطی فعالیت ها اضافه کنیم. چند سناریو از مدل در سطوح مختلف قطعنامه اجرا می شود. هنگامی که ما از تفکیک زمانی و مکانی داده ها اطمینان داریم، نسبت جمعیتی که تجربیات تیز را در مواجهه کوتاه مدت افزایش می دهد، به میزان قابل توجهی افزایش می یابد. این امر می تواند بسیار مهم باشد اگر جمعیت های حساس با توجه به افزایش خطر ابتلا به اثرات نامطلوب سلامتی تجربه کنند. ما متوجه می شویم که افراد در یک کد پستی، محله و حتی خانوار دارای سطوح مختلف قرار گرفتن در معرض هستند.