Causal health impacts of power plant emission controls under modeled and uncertain physical process interference
物理过程干扰存在建模不确定性时的电厂排放控制健康效应AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究空间干扰下的因果效应，并对未知干扰网络进行建模。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
物理过程干扰存在建模不确定性时的电厂排放控制健康效应
- 研究问题
- 污染跨空间输送且干扰网络不能确定时，如何估计燃煤电厂排放控制对健康的因果效应，并反映干扰结构的不确定性？
- 方法与思路
- 作者将贝叶斯空间机理干扰映射与灵活的非参数结局模型结合，对干扰结构不确定性积分，并分析得州两项健康结局。
- 材料陈述的贡献
- 摘要称方法将干扰网络估计的不确定性传递至因果效应；排放控制存在改善健康的部分证据，但纳入该不确定性后结果大多不确定。
- 阅读关注点
- 应核对干扰映射的物理依据与辅助数据、因果效应定义及识别条件，以及干扰结构不确定性如何进入最终估计。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；识别条件、效应大小和不确定性区间未说明，摘要不支持确定的健康改善结论。
原文摘要
Causal inference with spatial environmental data is often challenging due to the presence of interference: outcomes for observational units depend on some combination of local and non-local treatment. This is especially relevant when estimating the effect of power plant emissions controls on population health, as pollution exposure is dictated by (i) the location of point-source emissions, as well as (ii) the transport of pollutants across space via dynamic physical-chemical processes. In this work, we estimate the effectiveness of air quality interventions at coal-fired power plants in reducing two adverse health outcomes in Texas in 2016: pediatric asthma ED visits and Medicare all-cause mortality. We develop methods for causal inference with interference when the underlying network structure is not known with certainty and instead must be estimated from ancillary data. Notably, uncertainty in the interference structure is propagated to the resulting causal effect estimates. We offer a Bayesian, spatial mechanistic model for the interference mapping which we combine with a flexible non-parametric outcome model to marginalize estimates of causal effects over uncertainty in the structure of interference. Our analysis finds some evidence that emissions controls at upwind power plants reduce asthma ED visits and all-cause mortality, however accounting for uncertainty in the interference renders the results largely inconclusive.