Delineation of Spatial Variability in the Temperature–Mortality Relationship on Extremely Hot Days in Greater Vancouver, Canada
Notice bibliographique
Résumé
BACKGROUND: Climate change has increased the frequency and intensity of extremely hot weather. The health risks associated with extemely hot weather are not uniform across affected areas owing to variability in heat exposure and social vulnerability, but these differences are challenging to map with precision. OBJECTIVES: We developed a spatially and temporally stratified case-crossover approach for delineation of areas with higher and lower risks of mortality on extremely hot days and applied this approach in greater Vancouver, Canada. METHODS: Records of all deaths with an extremely hot day as a case day or a control day were extracted from an administrative vital statistics database spanning the years of 1998-2014. Three heat exposure and 11 social vulnerability variables were assigned at the residential location of each decedent. Conditional logistic regression was used to estimate the odds ratio for a 1°C increase in daily mean temperature at a fixed site with an interaction term for decedents living above and below different values of the spatial variables. RESULTS: The heat exposure and social vulnerability variables with the strongest spatially stratified results were the apparent temperature and the labor nonparticipation rate, respectively. Areas at higher risk had values ≥ 34.4°C for the maximum apparent temperature and ≥ 60% of the population neither employed nor looking for work. These variables were combined in a composite index to quantify their interaction and to enhance visualization of high-risk areas. CONCLUSIONS: Our methods provide a data-driven framework for spatial delineation of the temperature--mortality relationship by heat exposure and social vulnerability. The results can be used to map and target the most vulnerable areas for public health intervention. Citation: Ho HC, Knudby A, Walker BB, Henderson SB. 2017. Delineation of spatial variability in the temperature-mortality relationship on extremely hot days in greater Vancouver, Canada. Environ Health Perspect 125:66-75; http://dx.doi.org/10.1289/EHP224.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».