Extreme ambient temperatures and cardiorespiratory emergency room visits: assessing risk by comorbid health conditions in a time series study
Notice bibliographique
Résumé
BACKGROUND: Extreme ambient temperatures are an increasing public health concern. The aim of this study was to assess if persons with comorbid health conditions were at increased risk of adverse cardiorespiratory morbidity during temperature extremes. METHODS: A time series study design was applied to 292,666 and 562,738 emergency room (ER) visits for cardiovascular and respiratory diseases, respectively, that occurred in Toronto area hospitals between April 1st 2002 and March 31st 2010. Subgroups of persons with comorbid health conditions were identified. Relative risks (RRs) and their corresponding 95% confidence intervals (CIs) were estimated using a Poisson regression model with distributed lag non-linear model, and were adjusted for the confounding influence of seasonality, relative humidity, day-of-the-week, outdoor air pollutants and daily influenza ER visits. Effect modification by comorbid health conditions was tested using the relative effect modification (REM) index. RESULTS: Stronger associations of cardiovascular disease ER visits were observed for persons with diabetes compared to persons without diabetes (REM = 1.12; 95% CI: 1.01 - 1.27) with exposure to the cumulative short term effect of extreme hot temperatures (i.e. 99th percentile of temperature distribution vs. 75th percentile). Effect modification was also found for comorbid respiratory disease (REM = 1.17; 95% CI: 1.02 - 1.44) and cancer (REM = 1.20; 95% CI: 1.02 - 1.49) on respiratory disease ER visits during short term hot temperature episodes. The effect of extreme cold temperatures (i.e. 1st percentile of temperature distribution vs. 25th percentile) on cardiovascular disease ER visits were stronger for individuals with comorbid cardiac diseases (REM = 1.47; 95% CI: 1.06 - 2.23) and kidney diseases (REM = 2.43; 95% CI: 1.59 - 8.83) compared to those without these conditions when cumulated over a two-week period. CONCLUSIONS: The identification of those most susceptible to temperature extremes is important for public health officials to implement adaptation measures to manage the impact of extreme temperatures on population health.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».