MétaCan
Menu
Retour à la cohorte
Enregistrement W3097355529 · doi:10.1016/s2542-5196(20)30222-9

Projections of excess mortality related to diurnal temperature range under climate change scenarios: a multi-country modelling study

2020· article· en· W3097355529 sur OpenAlexaff
Whanhee Lee, Yoonhee Kim, Francesco Sera, Antonio Gasparrini, Rokjin J. Park, Hayon Michelle Choi, Kristi Prifti, Michelle L. Bell, Rosana Abrutzky, Yuming Guo, Shilu Tong, Micheline de Sousa Zanotti Stagliorio Coêlho, Paulo Hilário Nascimento Saldiva, Éric Lavigne, Hans Orru, Ene Indermitte, Jouni J. K. Jaakkola, Niilo Ryti, Mathilde Pascal, Patrick Goodman, Ariana Zeka, Masahiro Hashizume, Yasushi Honda, Magali Hurtado‐Díaz, César De la Cruz Valencia, Ala Overcenco, Baltazar Nunes, Joana Madureira, Noah Scovronick, Fiorella Acquaotta, Aurelio Tobı́as, Ana María Vicedo-Cabrera, Martina S. Ragettli, Yue Leon Guo, Bing-yu Chen, Shanshan Li, Ben Armstrong, Antonella Zanobetti, Joel Schwartz, Ho Kim

Notice bibliographique

RevueThe Lancet Planetary Health · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensOttawa Public HealthHealth CanadaUniversity of Ottawa
Organismes subventionnairesNatural Environment Research CouncilFundação para a Ciência e a TecnologiaMedical Research CouncilNational Institute of Environmental Health SciencesHorizon 2020Ministry of EnvironmentSight Research UK
Mots-clésRepresentative Concentration PathwaysClimate changeGeographyDiurnal temperature variationEnvironmental scienceExcess mortalityClimatologyDemographyRange (aeronautics)Climate modelMortality rateMeteorologyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Various retrospective studies have reported on the increase of mortality risk due to higher diurnal temperature range (DTR). This study projects the effect of DTR on future mortality across 445 communities in 20 countries and regions. METHODS: DTR-related mortality risk was estimated on the basis of the historical daily time-series of mortality and weather factors from Jan 1, 1985, to Dec 31, 2015, with data for 445 communities across 20 countries and regions, from the Multi-Country Multi-City Collaborative Research Network. We obtained daily projected temperature series associated with four climate change scenarios, using the four representative concentration pathways (RCPs) described by the Intergovernmental Panel on Climate Change, from the lowest to the highest emission scenarios (RCP 2.6, RCP 4.5, RCP 6.0, and RCP 8.5). Excess deaths attributable to the DTR during the current (1985-2015) and future (2020-99) periods were projected using daily DTR series under the four scenarios. Future excess deaths were calculated on the basis of assumptions that warmer long-term average temperatures affect or do not affect the DTR-related mortality risk. FINDINGS: The time-series analyses results showed that DTR was associated with excess mortality. Under the unmitigated climate change scenario (RCP 8.5), the future average DTR is projected to increase in most countries and regions (by -0·4 to 1·6°C), particularly in the USA, south-central Europe, Mexico, and South Africa. The excess deaths currently attributable to DTR were estimated to be 0·2-7·4%. Furthermore, the DTR-related mortality risk increased as the long-term average temperature increased; in the linear mixed model with the assumption of an interactive effect with long-term average temperature, we estimated 0·05% additional DTR mortality risk per 1°C increase in average temperature. Based on the interaction with long-term average temperature, the DTR-related excess deaths are projected to increase in all countries or regions by 1·4-10·3% in 2090-99. INTERPRETATION: This study suggests that globally, DTR-related excess mortality might increase under climate change, and this increasing pattern is likely to vary between countries and regions. Considering climatic changes, our findings could contribute to public health interventions aimed at reducing the impact of DTR on human health. FUNDING: Korea Ministry of Environment.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,224
Tête enseignante GPT0,371
Écart entre enseignants0,147 · 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'étudeSimulation ou modélisation
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

Citations112
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Planetary HealthMême sujetClimate Change and Health ImpactsTravaux en français237 207