The Effect of Maximum Average Temperature on Suicide Rates in California, 2008-2017: An Ecological Study
Notice bibliographique
Résumé
Abstract Background: Suicide prevention is a salient public health responsibility, as it is one of the top ten leading causes of premature mortality in the United States. Risk factors of suicide transcend the individual and societal level as risk can increase based on climatic variables. Previous studies have been country-based. Currently, studies focused solely on regions, provinces, or states, such as California, are limited. The present study holds two purposes: i) to assess the effect of maximum temperature on suicides, and ii) to evaluate the effect of number of monthly heat events on suicide rates, in California from 2008-2017.Methods: The exposure was measured as the average Californian daily maximum temperature within each month, and the number of monthly heat events, which was calculated as a count of the days exhibiting a >15% increase from the historical monthly temperature. The outcome was measured as California’s monthly suicide rate. Negative binomial regression models assessed the relationship between maximum temperature and suicides, and heat events and suicide. A seasonal decomposition of a time series and auto-correlogram further analyzed the seasonality of suicide and the trend from 2008-2017. Results: There were 40,315 deaths by suicide in California between 2008-2017. Negative binomial regression indicated a 6.1% increase in suicide incidence rate ratio (IRR) per 10°F increase in maximum temperature (IRR=1.00590 per 1°F, 95% CI: 1.00387, 1.00793, p<0.0001) and a positive, non-significant association between suicide rates and number of heat events adjusted for month of occurrence (IRR 1.00148 per heat event, 95% CI: 0.99636, 1.00661, p=0.572). The time series analysis and auto-correlogram suggested seasonality of deaths by suicide.Conclusion: The present study provided preliminary evidence that will generate future directions for research. We must seek to further illuminate the relationship of interest and apply our findings to public health interventions that will lower the rates of death by suicide as we are confronted with the effects of climate change.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».