MétaCan
Menu
Retour à la cohorte
Enregistrement W2779882339 · doi:10.1016/j.envint.2017.11.006

A multi-country analysis on potential adaptive mechanisms to cold and heat in a changing climate

2017· article· en· W2779882339 sur OpenAlexaffabout
Ana M. Vicedo‐Cabrera, Francesco Sera, Yuming Guo, Yeonseung Chung, Katherine Arbuthnott, Shilu Tong, Aurelio Tobı́as, Éric Lavigne, Micheline de Sousa Zanotti Stagliorio Coêlho, Paulo Hilário Nascimento Saldiva, Ariana Zeka, Masahiro Hashizume, Yasushi Honda, Ho Kim, Martina S. Ragettli, Martin Röösli, Antonella Zanobetti, Joel Schwartz, Ben Armstrong, Antonio Gasparrini

Notice bibliographique

RevueEnvironment International · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilNational Research Foundation of KoreaMinistry of EducationMinistry of Science, ICT and Future PlanningNational Research Foundation
Mots-clésClimate changeEnvironmental scienceCold climateNatural resource economicsClimatologyEnvironmental resource managementEconomicsGeographyMeteorologyEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Temporal variation of temperature-health associations depends on the combination of two pathways: pure adaptation to increasingly warmer temperatures due to climate change, and other attenuation mechanisms due to non-climate factors such as infrastructural changes and improved health care. Disentangling these pathways is critical for assessing climate change impacts and for planning public health and climate policies. We present evidence on this topic by assessing temporal trends in cold- and heat-attributable mortality risks in a multi-country investigation. METHODS: Trends in country-specific attributable mortality fractions (AFs) for cold and heat (defined as below/above minimum mortality temperature, respectively) in 305 locations within 10 countries (1985-2012) were estimated using a two-stage time-series design with time-varying distributed lag non-linear models. To separate the contribution of pure adaptation to increasing temperatures and active changes in susceptibility (non-climate driven mechanisms) to heat and cold, we compared observed yearly-AFs with those predicted in two counterfactual scenarios: trends driven by either (1) changes in exposure-response function (assuming a constant temperature distribution), (2) or changes in temperature distribution (assuming constant exposure-response relationships). This comparison provides insights about the potential mechanisms and pace of adaptation in each population. RESULTS: Heat-related AFs decreased in all countries (ranging from 0.45-1.66% to 0.15-0.93%, in the first and last 5-year periods, respectively) except in Australia, Ireland and UK. Different patterns were found for cold (where AFs ranged from 5.57-15.43% to 2.16-8.91%), showing either decreasing (Brazil, Japan, Spain, Australia and Ireland), increasing (USA), or stable trends (Canada, South Korea and UK). Heat-AF trends were mostly driven by changes in exposure-response associations due to modified susceptibility to temperature, whereas no clear patterns were observed for cold. CONCLUSIONS: Our findings suggest a decrease in heat-mortality impacts over the past decades, well beyond those expected from a pure adaptation to changes in temperature due to the observed warming. This indicates that there is scope for the development of public health strategies to mitigate heat-related climate change impacts. In contrast, no clear conclusions were found for cold. Further investigations should focus on identification of factors defining these changes in susceptibility.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,014
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,294
Écart entre enseignants0,264 · 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

Citations194
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment InternationalMême sujetClimate Change and Health ImpactsTravaux en français237 207