MétaCan
Menu
Retour à la cohorte
Enregistrement W3010626909 · doi:10.1093/aje/kwaa029

Snowfall, Temperature, and the Risk of Death From Myocardial Infarction: A Case-Crossover Study

2020· article· en· W3010626909 sur OpenAlexaffabout
Wenqi Gan, Sarah B. Henderson, Geoffrey McKee, Weiran Yuchi, Kathleen McLean, Kris Y. Hong, Nathalie Auger, Tom Kosatsky

Notice bibliographique

RevueAmerican Journal of Epidemiology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensBC Centre for Disease Control
Organismes subventionnairesnon disponible
Mots-clésSnowMedicineMyocardial infarctionConfidence intervalOdds ratioDemographyInternal medicineMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Previous research has associated snowfall with risk of myocardial infarction (MI). Most studies have been conducted in regions with harsh winters; it remains unclear whether snowfall is associated with risk of MI in regions with milder or more varied climates. A case-crossover design was used to investigate the association between snowfall and death from MI in British Columbia, Canada. Deaths from MI among British Columbia residents between October 15 and March 31 from 2009 to 2017 were identified. The day of each death from MI was treated as the case day, and each case day was matched to control days drawn from the same day of the week during the same month. Daily snowfall amount was assigned to case and control days at the residential address, using weather stations within 15 km of the residence and 100 m in elevation. In total, 3,300 MI case days were matched to 10,441 control days. Compared with days that had no snowfall, odds of death from MI increased 34% (95% confidence interval: 0%, 80%) on days with heavy snowfall (≥5 cm). In stratified analysis of deaths from MI as a function of both maximum temperature and snowfall, risk was significantly increased on snowfall days when the temperature was warmer.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,060
Tête enseignante GPT0,340
Écart entre enseignants0,280 · 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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EpidemiologyMême sujetClimate Change and Health ImpactsTravaux en français237 207