Quantifying Vulnerability to Extreme Heat in Time Series Analyses: A Novel Approach Applied to Neighborhood Social Disparities under Climate Change
Notice bibliographique
Résumé
OBJECTIVES: We propose a novel approach to examine vulnerability in the relationship between heat and years of life lost and apply to neighborhood social disparities in Montreal and Paris. METHODS: We used historical data from the summers of 1990 through 2007 for Montreal and from 2004 through 2009 for Paris to estimate daily years of life lost social disparities (DYLLD), summarizing social inequalities across groups. We used Generalized Linear Models to separately estimate relative risks (RR) for DYLLD in association with daily mean temperatures in both cities. We used 30 climate scenarios of daily mean temperature to estimate future temperature distributions (2021-2050). We performed random effect meta-analyses to assess the impact of climate change by climate scenario for each city and compared the impact of climate change for the two cities using a meta-regression analysis. RESULTS: We show that an increase in ambient temperature leads to an increase in social disparities in daily years of life lost. The impact of climate change on DYLLD attributable to temperature was of 2.06 (95% CI: 1.90, 2.25) in Montreal and 1.77 (95% CI: 1.61, 1.94) in Paris. The city explained a difference of 0.31 (95% CI: 0.14, 0.49) on the impact of climate change. CONCLUSION: We propose a new analytical approach for estimating vulnerability in the relationship between heat and health. Our results suggest that in Paris and Montreal, health disparities related to heat impacts exist today and will increase in the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,037 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».