Comparison of temperature-mortality associations estimated with different exposure metrics
Notice bibliographique
Résumé
Studies of the short-term association between ambient temperature and mortality often use temperature observations from a single monitoring station, frequently located at the nearest airport, to represent the exposure of individuals living across large areas. Population-weighted temperature estimates constructed from gridded meteorological data may offer an opportunity to improve exposure assessment in locations where station observations do not fully capture the average exposure of the population of interest. METHODS: We compared the association between daily mean temperature and mortality in each of 113 United States counties using (1) temperature observations from a single weather station and (2) population-weighted temperature estimates constructed from a gridded meteorological dataset. We used distributed lag nonlinear models to estimate the 21-day cumulative association between temperature and mortality in each county, 1987-2006, adjusting for seasonal and long-term trends, day of week, and holidays. RESULTS: In the majority (73.4%) of counties, the relative risk of death on extremely hot days (99th percentile of weather station temperature) versus the minimum mortality temperature was larger when generated from the population-weighted estimates. In contrast, relative risks on extremely cold days (first percentile of weather station temperature) were often larger when generated from the weather station observations. In most counties, the difference in associations estimated from the two temperature metrics was small. CONCLUSIONS: In a large, multi-site analysis, temperature-mortality associations were largely similar when estimated from weather station observations versus population-weighted temperature estimates. However, spatially refined exposure data may be more appropriate for analyses seeking to elucidate local health effects.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».