Mortality burden attributable to high and low ambient temperatures in China and its provinces: Results from the Global Burden of Disease Study 2019
Notice bibliographique
Résumé
Background: Non-optimal temperatures are associated with mortality risk, yet the heterogeneity of temperature-attributable mortality burden across subnational regions in a country was rarely investigated. We estimated the mortality burden related to non-optimal temperatures across all provinces in China in 2019. Methods: The global daily temperature data were obtained from the ERA5 reanalysis dataset. The daily mortality data and exposure-response curves between daily temperature and mortality for 176 individual causes of death were obtained from the Global Burden of Disease Study 2019 (GBD 2019). We estimated the population attributable fraction (PAF) based on the exposure-response curves, daily gridded temperature, and population. We calculated the cause- and province-specific mortality burden based on PAF and disease burden data from the GBD 2019. Findings: We estimated that 593·9 (95% UI:498·8, 704·6) thousand deaths were attributable to non-optimal temperatures in China in 2019 (PAF=5·58% [4·93%, 6·28%]), with 580·8 (485·7, 690·1) thousand cold-related deaths and 13·9 (7·7, 23·2) thousand heat-related deaths. The majority of temperature-related deaths were from cardiovascular diseases (399·7 [322·8, 490·4] thousand) and chronic respiratory diseases (177·4 [141·4, 222·3] thousand). The mortality burdens were observed significantly spatial heterogeneity for both high and low temperatures. For instance, the age-standardized death rates (per 100 000) attributable to low temperature were higher in Western China, with the highest in Tibet (113·7 [82·0, 155·5]), while for high temperature, they were greater in Xinjiang (1·8 [0·7, 3·3]) and Central-Southern China such as Hainan (2·5 [0·9, 5·4]). We also observed considerable geographical variation in the temperature-related mortality burden by causes of death at provincial level. Interpretation: A substantial mortality burden was attributable to non-optimal temperatures across China, and cold effects dominated the total mortality burden in all provinces. Both cold- and heat-related mortality burden showed significantly spatial variations across China. Funding: National Key Research and Development Program.
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 | 0,000 |
| 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) | 0,000 | 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 ».