Variation in heat-related mortality risks: a longitudinal global analysis
Notice bibliographique
Résumé
Background/Aim: The analysis of temporal variation in heat and cold related mortality is important in understanding potential population adaptation to temperature effects. While studies have examined temporal changes in specific locations, no study has provided an assessment at a global scale. In this contribution, we used a two-stage longitudinal design to evaluate and describe the reduction of the heat-related mortality (HRM) in 37 countries. Methods: We collected daily time series of mortality and mean temperature between 1990 and 2016 in 725 locations nested in 37 countries . For each city, we fitted a quasi-Poisson model with distributed lag non-linear model for temperature (lag 3 days) in 3-year subsets of the data. At the second-stage we used multilevel-multivariate meta-regression models to evaluate the effects of time-periods and countries on the derived set of splines coefficients. The modelled splines coefficients were used to estimate country and period specific 99th percentile relative risk (RR) relative to country-specific median daily temperature and heat-related attributable fractions (AF%). Results: The multilevel-multivariate meta-regression indicated that heat-related mortality risk trend is heterogeneous across countries (p<0.001). A declining trend of heat-related AF% (yearly AF% change) was found for Switzerland (-0.17%), Netherlands (-0.09%), France (-0.06%), Spain (-0.05%), Portugal (-0.05%), Japan (-0.05%) and US (-0.014%), Australia (-0.07%), South Korea (-0.04%), Brazil (-0.04%), Norway (-0.02%), Canada (-0.03%), Mexico (-0.03%), Germany (-0.02%); while a tendency for an increasing trend was observed in UK (+0.02%), Finland (+0.10), Estonia (+0.05), Peru (+0.32%) Chile (+0.31%), Italy (+0.05%) and Greece (+0.22%). Conclusion: We found that while HRM reduced in some populations over time, other populations experienced little or no attenuation in heat related risk. Understanding this heterogeneity can give valuable insights into potential differences in adaptation, important for public health planning and policy in the context of climate change. On behalf of the MCC Collaborative Research Network
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 | 0,013 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,006 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».