Temporal Variation In Heat-Mortality Associations: A Multi-Country Study
Notice bibliographique
Résumé
Introduction: Recent investigations have reported a decline in the heat-related mortality risk during the last decades. However, these studies are frequently based on modelling approaches that do not fully characterize the complex temperature-mortality relationship, and are limited to single cities or countries. In this contribution, we investigate the issue using a multi-country data set and flexible modelling techniques. Methods: We collected daily time series data of temperature and all-cause mortality for 272 locations in 7 countries, with a total 20,203,690 deaths occurring in summer months between 1985 and 2012. The analysis is based on two-stage time series models. The heat-mortality relationship was estimated in each location with time-varying distributed lag non-linear models, based on a bivariate spline to model the exposure-lag-response over lag 0-10. The temporal variation was expressed through an interaction between the bivariate spline variables and calendar time. The overall cumulative exposure-response curves predicted for the years 1993 and 2006 were pooled by country through multivariate meta-analysis. Results: Several countries show a significant attenuation in mortality risk due to heat. Time-varying relative risks for the 99th percentile vs the temperature of minimum mortality decrease from 1993 to 2006 in Japan (1.16 to 1.06), Spain (1.56 to 1.37) and the USA (1.12 to 1.02). Estimates from Australia and South Korea are unclear due to lack of statistical power, while no variation seems to occur in the UK (1.16 to 1.17). In the USA, there is evidence of a stronger attenuation for moderate compared to more extreme heat. Conclusions: The mortality risk associated to high ambient temperature has decreased substantially in most of the countries during the last decades. While in some populations the risk is almost completely abated for moderate heat, an excess persists for more extreme temperatures in all the countries at the end of the study period.
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 | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».