Epidemiological Approaches to Morbidity Forecasting for Health Impact Assessment of Air Pollution
Notice bibliographique
Résumé
Background: Forecasting future baseline morbidity rates is crucial to air pollution benefits assessment and disease burden analysis. Although numerous methods have been developed, no standard epidemiological approaches have been proposed. The purpose of this review is to provide an overview of available methods and examine sensitivity of forecasts to method selected.Methods: A literature search on morbidity forecasting was conducted using PubMed and Google Scholar. Sensitivity analyses were conducted using age-specific hospitalization rate data and population estimates.Results: Morbidity forecasting approaches can be grouped into standard regression models and dynamic microsimulation models. Regression models assume that predictor and dependent variables are uniformly correlated over time. However, this is not always the case. While the aging population is expected to increase morbidity, this may be partially offset by improved medical care and reduced exposures to risk factors like smoking. Dynamic microsimulation models have emerged as a reliable tool to address this evolution. The models simulate individuals’ risks and health determinants, and consider alternative “what if” scenarios to accurately project health outcomes. Using a conventional forecasting method based on population age distribution and age-specific all-cause hospitalization rates in Canada, we found that the projected rate increased from 91 per 1,000 population in 2001-02 to 102 per 1,000 in 2015-16. Conversely, the observed rate in 2015-16 decreased to 84 per 1,000, indicating an overestimation of 20%. Results differ for specific causes of hospitalization. Several studies also found that neglecting demographic dynamics and using unadjusted age-expenditure profile could overestimate healthcare expenditure by between 10% and 20%.Conclusion: Demographic dynamics and other factors must be considered to ensure the accuracy of baseline morbidity projections in air pollution health impact assessment.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».