Heat-related mortality prediction using low-frequency climate oscillation indices: Case studies of the cities of Montréal and Québec, Canada
Notice bibliographique
Résumé
Heat-related mortality is an increasingly important public health burden that is expected to worsen with climate change. In addition to long-term trends, there are also interannual variations in heat-related mortality that are of interest for efficient planning of health services. Large-scale climate patterns have an important influence on summer weather and therefore constitute important tools to understand and predict the variations in heat-related mortality. Methods: In this article, we propose to model summer heat-related mortality using seven climate indices through a two-stage analysis using data covering the period 1981-2018 in two metropolitan areas of the province of Québec (Canada): Montréal and Québec. In the first stage, heat attributable fractions are estimated through a time series regression design and distributed lag nonlinear specification. We consider different definitions of heat. In the second stage, estimated attributable fractions are predicted using climate index curves through a functional linear regression model. Results: Results indicate that the Atlantic Multidecadal Oscillation is the best predictor of heat-related mortality in both Montréal and Québec and that it can predict up to 20% of the interannual variability. Conclusion: We found evidence that one climate index is predictive of summer heat-related mortality. More research is needed with longer time series and in different spatial contexts. The proposed analysis and the results may nonetheless help public health authorities plan for future mortality related to summer heat.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».