MétaCan
Menu
Retour à la cohorte
Enregistrement W2912685337 · doi:10.1289/isee.2015.2015-2570

Extreme Precipitation, Drinking Water And Acute Gastro Intestinal Illness In A Canadian Surface Drinking Water System: Putative Links And Future Impact Of Climate Change

2015· article· en· W2912685337 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 · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueAmoebic Infections and Treatments
Établissements canadiensPacific Institute for Climate SolutionsSimon Fraser UniversityPublic Health Agency of CanadaFraser HealthBC Centre for Disease Control
Organismes subventionnairesnon disponible
Mots-clésPrecipitationEnvironmental scienceDistributed lagClimate changePercentileDry seasonPoisson regressionWet seasonClimatologyMedicineGeographyEnvironmental healthBiologyPopulationEcologyMathematicsMeteorologyStatistics

Résumé

récupéré en direct d'OpenAlex

Introduction: Climate change is expected to increase the burden of waterborne acute gastrointestinal illness (AGI) due to the increased frequency and intensity of extreme precipitation events. Here we investigate the relationship between extreme precipitation and parasitic AGI and to project the impact of climate change on these illnesses. Methods: We included reported cryptosporidiosis and giardiasis cases served by a municipal surface drinking water system (DWS) in Canada from 2000-2009. The association between weekly cases and modeled extreme precipitation (>90th percentile) was assessed (up to 6 week lags), using distributed lag non-linear Poisson regression models adjusted for seasonality (in lieu of temperature), secular trend, preceding dry/wet period and holiday effects. Using the best fitting model, the mean annual case counts were predicted for 2010-2069 using downscaled precipitation projections from 10 global climate models under the representative concentration pathway 8.5. Results: Including 5738 cases, a significant increase in cryptosporidiosis and giardiasis 5-6 weeks after extreme precipitation was found during the study period 2000-2009. A greater effect was evident during the rainy season (RR, 95% CI: 1.17, 1.08-1.32 in lag 5; 1.34, 1.11-1.59 in lag 6) than the dry season (RR, 95% CI: 1.09, 1.02-1.26 in lag 5; 1.17, 1.01-1.39 in lag 6). By the 2060s, climate models indicate decrease in average weekly and extreme precipitation during dry seasons, and increase in rainy seasons compared to 2000-2009. This increases the annual disease burden by 10%-14% (ensemble mean 11%), mainly in the rainy season. Discussion: We present a modeling framework to study the impact of extreme weather on waterborne AGI and support the hypothesis that increases in extreme precipitation may increase the burden of these AGI in future. These results show the need for increasing the adaptive capacity of vulnerable DWS through standardized infrastructure.

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 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 enseignants0,052
Score d'incertitude au seuil0,986

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 ouverte0,0000,000
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 Opus0,040
Tête enseignante GPT0,293
Écart entre enseignants0,253 · 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