MARC

 008260126s2025        us                              c    eng  d
■001000017360904
■00520260202105635
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798297962781
■035    ▼a(MiAaPQ)AAI32384451
■035    ▼a(MiAaPQ)OhioLINKosu1752566496817747
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a910
■1001  ▼aRamesh,  Balaji.
■24510▼aVaried  Environmental  Exposure  Measurement  Methods  and  Their  Effects  on  Health  Risk  Assessment  of  Birth  Outcomes
■260    ▼a[Sl]▼bThe  Ohio  State  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a210  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Hyder,  Ayaz;Hoet,  Armando.
■5021  ▼aThesis  (Ph.D.)--The  Ohio  State  University,  2025.
■520    ▼aUnsustainable  human  development  leads  to  short-term  health  hazards  like  air  pollution,  and  long-term  consequences  like  climate  change,  which  increase  the  frequency  and  severity  hazards  like  extreme  weather  events  (e.g.,  floods).  Quantifying  human  exposure  to  these  hazards  is  challenging  due  to  the  broad  geographic  impact  of  such  hazards  but  is  crucial  for  informing  policies  that  protect  human  health.  This  dissertation  applies  and  compares  traditional  exposure  assessment  methods  with  emerging/updated  techniques  that  utilize  dense  networks  of  low-cost  sensors  and/or  satellite  observations  to  generate  more  refined  exposure  estimates,  aimed  at  evaluating  the  relationship  between  environmental  exposures  and  adverse  birth  outcomes  (e.g.,  pregnancy  complications,  preterm  birth,  and  low  birth  weight).  It  also  provides  an  examination  of  how  variations  in  exposure  assessment  methods  and  model  configurations  influence  the  estimation  of  associations  between  environmental  exposures  and  birth  outcomes.This  dissertation  investigates  two  environmental  exposures,  each  in  different  study  regions:  floods  caused  by  Hurricane  Harvey  in  Texas  in  2017,  and  fine  particulate  matter  pollution  (PM2.5)  in  Franklin  County,  Ohio  from  2018  to  2023.  Satellite-derived  flood  extent  data  were  used  to  quantify  flood  exposure,  while  PM2.5  exposure  was  estimated  by  integrating  low-cost  sensor  data  with  satellite  observations  using  machine  learning  techniques.  Data  on  birth  outcomes  have been  collected  from  emergency  department  visits  in  Texas  and  birth  certificates  in  Ohio.  The  association  between  the  environmental  exposure  and  adverse  birth  outcomes  were  estimated  using  statistical  models,  comparing  the  updated  and  traditional  exposure  assessment  techniques.  Additionally,  the  impact  of  geographic  scale  and  spatial  configuration  of  statistical  models  on  the  association  between  flood  and  adverse  birth  outcomes  was  examined.The  results  show  that  the  health  risk  estimate  for  adverse  birth  outcomes  associated  with  environmental  exposures  was  similar  using  the  updated  and  the  traditional  exposure  assessment  techniques.  While  this  finding  was  observed  for  both  environmental  exposures  assessed:  floods  and  particulate  matter  pollution,  for  floods,  the  updated  exposure  assessment  technique  of  combining  remote-sensing  products  with  different  spatial  and  temporal  resolutions  identified  additional  areas  where  the  flood-related  ED  visits  for  pregnancy  complications  were  elevated  compared  to  the  traditional  exposure  assessment  technique  of  using  a  single  remote-sensing  inundation  product.  For  PM2.5,  the  updated  exposure  assessment  technique  using  low-cost  monitor  observations  integrated  with  satellite  observations  revealed  a  stronger  association  between  first-trimester  exposure  and  preterm  birth  compared  to  the  traditional  exposure  assessment  technique  of  PM2.5  observations  from  sparsely  distributed  EPA  regulatory  monitors.Additional  findings  revealed  that  using  spatial  models  to  account  for  spatial  autocorrelation  yielded  nearly  identical  health  risk  estimates  compared  to  those  from  non-spatial  models  in  case  of  association  between  floods  and  ED  visits  for  pregnancy  complications.  We  have  shown  that  this  similarity  could  be  due  to  the  difference-in-differences  study  design  used  here, which  compares  changes  over  time  between  the  exposed  and  control  groups.  In  contrast,  under  a  cross-sectional  study  design,  spatial  autocorrelation  in  model  residuals  led  to  significant  differences  in  health  risk  estimates  between  spatial  and  non-spatial  models.These  findings  advance  exposure  assessment  methods  by  evaluating  the  emerging  methods  and  improving  our  understanding  of  the  magnitude  of  adverse  health  outcomes  associated  with  environmental  exposures.  Compared  to  traditional  approaches,  the  emerging  methods  assessed  offer  important  advantages,  especially  the  availability  of  data  in  near  real  time,  which  can  support  timely  disaster  response  and  risk  assessment.  The  findings  of  this  dissertation  should  also  assist  policymakers  by  more  accurately  estimating  the  true  health  risks  and  costs  associated  with  health  risks,  which  may  have  been  underestimated  by  using  traditional  environmental  exposure  assessment  methods.  These  findings  should  assist  researchers  by  providing  the  trade-offs  between  different  environmental  exposure  methods  and  geographic  scale  of  analysis  in  terms  of  bias,  complexity  of  the  methods,  data  generation  cost,  and  computational  cost.
■590    ▼aSchool  code:  0168.
■650  4▼aGeography
■650  4▼aPublic  health
■650  4▼aEnvironmental  health
■650  4▼aRemote  sensing
■653    ▼aEnvironmental  exposure
■653    ▼aSpatial  epidemiology
■653    ▼aFine  particulate  matter  pollution
■653    ▼aFloods
■653    ▼aAdverse  birth  outcomes
■653    ▼aSatellite  observations
■690    ▼a0366
■690    ▼a0470
■690    ▼a0573
■690    ▼a0799
■71020▼aThe  Ohio  State  University▼bPublic  Health.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0168
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360904▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서