MétaCan
Menu
Retour à la cohorte
Enregistrement W2977210026 · doi:10.1289/ehp5430

The Role of Humidity in Associations of High Temperature with Mortality: A Multicountry, Multicity Study

2019· article· en· W2977210026 sur OpenAlexaff
Ben Armstrong, Francesco Sera, Ana M. Vicedo‐Cabrera, Rosana Abrutzky, Daniel Oudin Åström, Michelle L. Bell, Bing‐Yu Chen, Micheline de Sousa Zanotti Stagliorio Coêlho, Patricia Matus Correa, Trần Ngọc Đăng, Magali Hurtado‐Díaz, Do Van Dung, Bertil Forsberg, Patrick Goodman, Yue Leon Guo, Yuming Guo, Masahiro Hashizume, Yasushi Honda, Ene Indermitte, Carmen Íñiguez, Haidong Kan, Ho Kim, Jan Kyselý, Éric Lavigne, Paola Michelozzi, Hans Orru, Nicolás Valdés Ortega, Mathilde Pascal, Martina S. Ragettli, Paulo Hilário Nascimento Saldiva, Joel Schwartz, Matteo Scortichini, Xerxes Seposo, Aurelio Tobı́as, Shilu Tong, Aleš Urban, César De la Cruz Valencia, Antonella Zanobetti, Ariana Zeka, Antonio Gasparrini

Notice bibliographique

RevueEnvironmental Health Perspectives · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of OttawaHealth Canada
Organismes subventionnairesJapan Society for the Promotion of ScienceNational Health and Medical Research CouncilNatural Environment Research CouncilMedical Research CouncilNational Institutes of HealthGrantová Agentura České RepublikyU.S. Environmental Protection AgencyNational Research Foundation of KoreaNational Health Research InstitutesNational Research FoundationNational Institute on Minority Health and Health DisparitiesEnvironmental Restoration and Conservation AgencySight Research UKNational Institute for Health and Care ResearchNational Institute for Health Research Health Protection Research Unit
Mots-clésHumidityEnvironmental healthEnvironmental scienceMedicineEnvironmental chemistryChemistryGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is strong experimental evidence that physiologic stress from high temperatures is greater if humidity is higher. However, heat indices developed to allow for this have not consistently predicted mortality better than dry-bulb temperature. OBJECTIVES: We aimed to clarify the potential contribution of humidity an addition to temperature in predicting daily mortality in summer by using a large multicountry dataset. METHODS: In 445 cities in 24 countries, we fit a time-series regression model for summer mortality with a distributed lag nonlinear model (DLNM) for temperature (up to lag 3) and supplemented this with a range of terms for relative humidity (RH) and its interaction with temperature. City-specific associations were summarized using meta-analytic techniques. RESULTS: Adding a linear term for RH to the temperature term improved fit slightly, with an increase of 23% in RH (the 99th percentile anomaly) associated with a 1.1% [95% confidence interval (CI): 0.8, 1.3] decrease in mortality. Allowing curvature in the RH term or adding terms for interaction of RH with temperature did not improve the model fit. The humidity-related decreased risk was made up of a positive coefficient at lag 0 outweighed by negative coefficients at lags of 1-3 d. Key results were broadly robust to small model changes and replacing RH with absolute measures of humidity. Replacing temperature with apparent temperature, a metric combining humidity and temperature, reduced goodness of fit slightly. DISCUSSION: The absence of a positive association of humidity with mortality in summer in this large multinational study is counter to expectations from physiologic studies, though consistent with previous epidemiologic studies finding little evidence for improved prediction by heat indices. The result that there was a small negative average association of humidity with mortality should be interpreted cautiously; the lag structure has unclear interpretation and suggests the need for future work to clarify. https://doi.org/10.1289/EHP5430.

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)0,013
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,013
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,005
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,022
Tête enseignante GPT0,315
Écart entre enseignants0,293 · 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

Citations184
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health PerspectivesMême sujetClimate Change and Health ImpactsTravaux en français237 207