MétaCan
Menu
Retour à la cohorte
Enregistrement W2018019768 · doi:10.1186/1471-2458-13-56

Health impacts of the July 2010 heat wave in Québec, Canada

2013· article· en· W2018019768 sur OpenAlexafffundabout
Ray Bustinza, Germain Lebel, Pierre Gosselin, Diane Bélanger, Fateh Chebana

Notice bibliographique

RevueBMC Public Health · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensInstitut National de la Recherche ScientifiqueCentre hospitalier universitaire de QuébecGDG EnvironnementInstitut National de Santé Publique du Québec
Organismes subventionnairesHydro-Québec
Mots-clésHeat waveMedicinePublic healthConfidence intervalEmergency departmentDemographyEnvironmental healthClimate change

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: One of the consequences of climate change is the increased frequency and intensity of heat waves which can cause serious health impacts. In Québec, July 2010 was marked by an unprecedented heat wave in recent history. The purpose of this study is to estimate certain health impacts of this heat wave. METHODS: The crude daily death and emergency department admission rates during the heat wave were analyzed in relation to comparison periods using 95% confidence intervals. RESULTS: During the heat wave, the crude daily rates showed a significant increase of 33% for deaths and 4% for emergency department admissions in relation to comparison periods. No displacement of mortality was observed over a 60-day horizon. CONCLUSIONS: The all-cause death indicator seems to be sufficiently sensitive and specific for surveillance of exceedences of critical temperature thresholds, which makes it useful for a heat health-watch system. Many public health actions combined with the increased use of air conditioning in recent decades have contributed to a marked reduction in mortality during heat waves. However, an important residual risk remains, which needs to be more vigorously addressed by public health authorities in light of the expected increase in the frequency and severity of heat waves and the aging of the population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,263

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,296
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations101
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetClimate Change and Health ImpactsTravaux en français237 207