Quantitative Risk Analysis of Air Pollution Health Effects

این کتاب ارزیابی کمی ریسک و روش‌های مدل‌سازی را برای ارزیابی خطرات بهداشتی ناشی از آلودگی هوا، و همچنین توصیف و ارتباط عدم قطعیت‌های باقی‌مانده را برجسته می‌کند. این نشان می دهد که چگونه می توان از علم داده های مدرن، هوش مصنوعی و یادگیری ماشین، تجزیه و تحلیل علّی، مدل سازی ریاضی و تجزیه و تحلیل ریسک برای کمی سازی بهتر خطرات سلامتی انسان ناشی از قرار گرفتن در معرض محیطی و شغلی با آلاینده های هوا استفاده کرد. اثرات نامطلوب سلامتی ناشی از آلودگی هوا، و قابل پیشگیری با کاهش آن، به جای اینکه صرفاً از نظر آماری با قرار گرفتن در معرض آلودگی هوا مرتبط باشد (و با بسیاری از شرایط دیگر، از هوای سرد گرفته تا درآمد کم) کمی دشوار است. دقت و اطمینان بالا، عمدتاً به این دلیل که همبستگی علیت نیست. این کتاب نشان می دهد که چگونه می توان از پیشرفت های اخیر در تجزیه و تحلیل علّی و تجزیه و تحلیل خطر برای تعیین دقیق تر چگونگی تأثیر کاهش مواجهه بر خطرات سلامتی انسان استفاده کرد.

تجزیه و تحلیل کمی ریسک اثرات آلودگی هوا بر سلامتیبه سه بخش تقسیم می شود. بخش اول عمدتاً بر مدل‌سازی شبیه‌سازی کمی پاسخ‌های بیولوژیکی به مواجهه‌ها و خطرات سلامتی ناشی از آن تمرکز دارد. این خطرات شغلی ناشی از آزبست و سیلیس کریستالی را به عنوان مثال در نظر می‌گیرد و نشان می‌دهد که چگونه مدل‌های شبیه‌سازی پویا می‌توانند بینش‌هایی را درباره سیاست‌های مؤثرتر برای محافظت از سلامت کارگران ارائه دهند. بخش دوم محدودیت‌های مدل‌های رگرسیون و پتانسیل استفاده از روش‌های یادگیری ماشین، تحلیل علّی، و روش‌های یادگیری شبکه بیزی را برای ارزیابی کمی دقیق‌تر ریسک، با کاربردهایی برای خطرات شغلی ناشی از قرار گرفتن در معرض استنشاق بررسی می‌کند. در نهایت، بخش سوم کاربردهایی را برای خطرات سلامت عمومی ناشی از آلودگی هوا، به ویژه آلودگی هوا ذرات ریز (PM2.5) بررسی می‌کند. این کتاب از نرم‌افزارهای تحلیلی مرورگر و مجموعه‌های داده به‌طور رایگان در دسترس استفاده می‌کند که به خوانندگان اجازه می‌دهد داده‌ها را بارگیری کنند و بسیاری از تجزیه و تحلیل‌های توصیف‌شده را انجام دهند، علاوه بر این، تکنیک‌های مورد بحث را برای داده‌های خود به کار می‌برند.

http://cox. -associates.com:8899/

This book highlights quantitative risk assessment and modeling methods for assessing health risks caused by air pollution, as well as characterizing and communicating remaining uncertainties. It shows how to apply modern data science, artificial intelligence and machine learning, causal analytics, mathematical modeling, and risk analysis to better quantify human health risks caused by environmental and occupational exposures to air pollutants. The adverse health effects that are caused by air pollution, and preventable by reducing it, instead of merely being statistically associated with exposure to air pollution (and with other many conditions, from cold weather to low income) have proved to be difficult to quantify with high precision and confidence, largely because correlation is not causation. This book shows how to use recent advances in causal analytics and risk analysis to determine more accurately how reducing exposures affects human health risks.

Quantitative Risk Analysis of Air Pollution Health Effects is divided into three parts. Part I focuses mainly on quantitative simulation modelling of biological responses to exposures and resulting health risks. It considers occupational risks from asbestos and crystalline silica as examples, showing how dynamic simulation models can provide insights into more effective policies for protecting worker health. Part II examines limitations of regression models and the potential to instead apply machine learning, causal analysis, and Bayesian network learning methods for more accurate quantitative risk assessment, with applications to occupational risks from inhalation exposures. Finally, Part III examines applications to public health risks from air pollution, especially fine particulate matter (PM2.5) air pollution. The book applies freely available browser analytics software and data sets that allow readers to download data and carry out many of the analyses described, in addition to applying the techniques discussed to their own data.

http://cox-associates.com:8899/