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 OpenAlex
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

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,341
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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