MétaCan
Menu
Retour à la cohorte
Enregistrement W2679833821 · doi:10.2105/ajph.2017.303826

Hurricane Sandy (New Jersey): Mortality Rates in the Following Month and Quarter

2017· article· en· W2679833821 sur OpenAlexaboutno aff
Soyeon Kim, Prathit A. Kulkarni, Mangala Rajan, P. Thomas, Stella Chin‐Shaw Tsai, Christina Tan, Amy L. Davidow

Notice bibliographique

RevueAmerican Journal of Public Health · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionRowan University
Mots-clésQuarter (Canadian coin)MedicineDemographyLandfallConfidence intervalMortality rateCause of deathGerontologyDiseaseGeographySurgeryTropical cycloneInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To describe changes in mortality after Hurricane Sandy made landfall in New Jersey on October 29, 2012. METHODS: We used electronic death records to describe changes in all-cause and cause-specific mortality overall, in persons aged 76 years or older, and by 3 Sandy impact levels for the month and quarter following Hurricane Sandy compared with the same periods in earlier years adjusted for trends. RESULTS: All-cause mortality increased 6% (95% confidence interval [CI] = 2%, 11%) for the month, 5%, 8%, and 12% by increasing Sandy impact level; and 7% (95% CI = 5%, 10%) for the quarter, 5%, 8%, and 15% by increasing Sandy impact level. In elderly persons, all-cause mortality rates increased 10% (95% CI = 5%, 15%) and 13% (95% CI = 10%, 16%) in the month and quarter, respectively. Deaths that were cardiovascular disease-related increased by 6% in both periods, noninfectious respiratory disease-related by 24% in the quarter, infection-related by 20% in the quarter, and unintentional injury-related by 23% in the month. CONCLUSIONS: Mortality increased, heterogeneous by cause, for both periods after Hurricane Sandy, particularly in communities more severely affected and in the elderly, who may benefit from supportive services.

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 enseignants0,093
Score d'incertitude au seuil0,186

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,146
Tête enseignante GPT0,488
Écart entre enseignants0,342 · 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

Citations30
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Public HealthMême sujetDisaster Response and ManagementTravaux en français237 207