MétaCan
Menu
Retour à la cohorte
Enregistrement W3193767351 · doi:10.1289/isee.2021.o-to-022

Long-term impacts of Atlantic hurricanes on asthma exacerbations among children with asthma in the eastern United States

2021· article· en· W3193767351 sur OpenAlexaff
Kate R. Weinberger, Nina Veeravalli, Xiao Wu, Nicholas J. Nassikas, Gregory A. Wellenius

Notice bibliographique

RevueISEE Conference Abstracts · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAsthmaMedicineExacerbationAsthma exacerbationsStormDemographyPopulationEnvironmental healthPediatricsMeteorologyGeographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIM: Tropical cyclones (TCs) are associated with substantial, acute increases in mortality and morbidity. Relatively few studies have examined the longer-term health consequences of such storms. We assessed whether TCs increased the frequency of symptom exacerbation among children with a diagnosis of asthma in the 12 months following storms in counties in the eastern United States (US), 2000-2018. METHODS: We defined exposure to TCs as maximum sustained windspeed at the county center 21 meters/second, and matched each exposed county to one or more unexposed counties on sociodemographic variables, climate, and distance from the coast. Within each exposed and matched unexposed county, we used data from the OptumLabs Data Warehouse, a longitudinal, real-world data asset with de-identified administrative claims and electronic health record (EHR) data, to estimate monthly rates of asthma exacerbations requiring medical attention among children aged 5-17 with a prior diagnosis of asthma. Finally, we used a difference-in-differences approach implemented via a log-linear fixed effects model with an offset for eligible population size to compare the rate of asthma exacerbations occurring in exposed versus unexposed counties, in the 12 months before versus 12 months after each storm. RESULTS:Our analysis encompasses 43 TCs that affected at least one county during the study period. Overall, across these storms, we did not observe evidence of an increase in symptom exacerbation in the 12 months following the storm (random effects meta-analytic summary estimate: RR: 1.03 [95% CI: 0.96, 1.10], I2 = 19%). However, we did find evidence of an increase in symptom exacerbation following specific storms, such as Hurricane Sandy. CONCLUSIONS:These findings suggest that some TCs may be detrimental to the respiratory health of children, but that tropical cyclones are not in aggregate substantially associated with long-term exacerbation of asthma among a population of children with health insurance. KEYWORDS: Climate change, Tropical cyclones, Asthma

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,005
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,020
Tête enseignante GPT0,283
Écart entre enseignants0,262 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISEE Conference AbstractsMême sujetDisaster Management and ResilienceTravaux en français237 207