Improving and Expanding Estimates of the Global Burden of Disease Due to Environmental Health Risk Factors
Notice bibliographique
Résumé
BACKGROUND: The Global Burden of Disease (GBD) study, coordinated by the Institute for Health Metrics and Evaluation (IHME), produces influential, data-driven estimates of the burden of disease and premature death due to major risk factors. Expanded quantification of disease due to environmental health (EH) risk factors, including climate change, will enhance accuracy of GBD estimates, which will contribute to developing cost-effective policies that promote prevention and achieving Sustainable Development Goals. OBJECTIVES: We review key aspects of the GBD for the EH community and introduce the Global Burden of Disease-Pollution and Health Initiative (GBD-PHI), which aims to work with IHME and the GBD study to improve estimates of disease burden attributable to EH risk factors and to develop an innovative approach to estimating climate-related disease burden-both current and projected. METHODS: We discuss strategies for improving GBD quantification of specific EH risk factors, including air pollution, lead, and climate change. We highlight key methodological challenges, including new EH risk factors, notably evidence rating and global exposure assessment. DISCUSSION: A number of issues present challenges to the scope and accuracy of current GBD estimates for EH risk factors. For air pollution, minimal data exist on the exposure-risk relationships associated with high levels of pollution; epidemiological studies in high pollution regions should be a research priority. For lead, the GBD's current methods do not fully account for lead's impact on neurodevelopment; innovative methods to account for subclinical effects are needed. Decisions on inclusion of additional EH risk-outcome pairs need to be guided by findings of systematic reviews, the size of exposed populations, feasibility of global exposure estimates, and predicted trends in exposures and diseases. Neurotoxicants, endocrine-disrupting chemicals, and climate-related factors should be high priorities for incorporation into upcoming iterations of the GBD study. Enhancing the scope and methods will improve the GBD's estimates and better guide prevention policy. https://doi.org/10.1289/EHP5496.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,058 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».