Improving attribution of extreme heat deaths through interagency cooperation
Notice bibliographique
Résumé
Attributing individual deaths to extreme heat events (EHE) in Canada and elsewhere is important for understanding the risk factors, protective interventions, and burden of mortality associated with climate change. However, there is currently no single mechanism for identifying individual deaths due to EHE and different agencies have taken different approaches, including (1) vital statistics coding based on medical certificates of death, (2) probabilistic methods, and (3) enhanced surveillance. The 2018 EHE in Montréal provides an excellent case study to compare EHE deaths identified by these different approaches. There were 353 deaths recorded in the vital statistics data over an 8-day period, of which 102 were potentially attributed to the EHE by at least one approach and 251 were not attributed by any approach. Only nine of the 102 deaths were attributed to the EHE by all three approaches, 23 were attributed by two approaches, and 70 were attributed by only one approach. Given that there were approximately 50 excess deaths during the EHE, it remains unclear exactly which of the total 353 deaths should be attributed to the extreme temperatures. These results highlight the need for a more systematic and cooperative approach to EHE mortality in Canada, which will continue to increase as the climate changes.
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 | 0,059 | 0,176 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».