MétaCan
Menu
Retour à la cohorte
Enregistrement W2911742817 · doi:10.1289/isesisee.2018.o03.01.08

The British Columbia Asthma Prediction System (BCAPS): A Surveillance System to Forecast the Public Health Impacts of Wildfire Smoke

2018· article· en· W2911742817 sur OpenAlex

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

RevueISEE Conference Abstracts · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensMcGill UniversityBC Centre for Disease Control
Organismes subventionnairesnon disponible
Mots-clésSmokeEnvironmental healthAsthmaPublic healthMedicinePopulationPopulation healthGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Smoke from severe wildfires during the summers of 2015 and 2017 affected most of the population of British Columbia (BC), Canada. Asthma-related health outcomes are consistently elevated when populations are exposed to wildfire smoke in BC. Timely information during smoke events is important to inform the actions of public health authorities. We developed a surveillance system using short-term wildfire smoke forecasts to predict the potential health impacts of smoke over the coming days and provide this information to public health authorities in easy-to-interpret daily reports.The BCAPS framework is modular such that different data, modelling approaches, and visualizations can be applied. We used daily fine particulate matter (PM2.5) measurements, daily counts of asthma-related population health outcomes, and PM2.5 forecasts to predict and visualize smoke exposures and their health impacts across different geographic areas over the coming 48 hours. We applied BCAPS retrospectively during a 2015 smoke event using a Bayesian latent process model to forecast health outcomes. We prospectively applied BCAPS in 2017 using random forest models to predict PM2.5 exposure and health outcomes.Daily PM2.5 measurements ranged from 0.03 µg/m3 to 301.2 µg/m3 during the 2015 event and from 0.05 µg/m3 to 293.8 µg/m3 in 2017. Daily PM2.5 and daily counts of asthma-related physician visits and medication dispensations were increased during smoky periods in 2015 and 2017. In general, BCAPS predicted the smoke-related increases in asthma outcomes with good accuracy, though performance was dependant on the performance of the smoke forecasts. In 2017 there was a marked decrease in population response to smoke towards the end of the season even though PM2.5 concentrations remained high.Integrating data from multiple sources into a modular framework such as BCAPS can usefully predict the health impacts of smoke exposure in a timely manner to inform public health decision-making and action.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,277
Écart entre enseignants0,229 · 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