Optimal heat stress metric for predicting warm-season mortality varies from country to country
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND AIM: While heat combined with high humidity is frequently described as the main driver of heat stress, this remains unclear in epidemiological literature. A range of heat stress metrics, each being a different combination of temperature and humidity and sometimes other variables, are available in the literature. We compared eight heat stress metrics with warm-season mortality, with the aim of finding the optimal metric(s) for predicting mortality. METHODS: We performed a two-stage time-series approach using quasi-Poisson regression with distributed lag nonlinear models to derive warm-season exposure-response associations between each heat stress metric and mortality, over 604 locations in 39 countries within the Multi-Country Multi-City (MCC) Collaborative Research Network. The metrics studied were dry-bulb temperature (Tmean), wet-bulb temperature (Tw), apparent temperature (AT), discomfort index, and swamp cooler temperatures at 20, 40, 60 and 80% efficiencies (Swmp20 to Swmp80). The goodness-of-fit of each exposure-response model was assessed using the Quasi-Akaike Information Criterion (qAIC). For each metric and country, we summed the qAIC values across all locations and identified the metric with the lowest country-level qAIC as the optimal metric. We also compared the heat-mortality fraction for each metric. RESULTS: According to qAIC, AT, a metric combining temperature, humidity and wind speed, is the dominant driver of warm-season mortality, especially in Northern and Eastern Europe. Metrics with no or little humidity modification (Tmean and Swmp20) dominate in Southern and Western Asia, Eastern Asia, and Australia. Tw, a metric with large humidity modification, dominate in Caribbean, Central and South American countries but with large uncertainties. However, using Tmean as the only exposure metric does not result in significantly different attributable fractions compared to using the optimal metric. CONCLUSIONS: There is no one-size-fits-all metric for predicting heat-related mortality, but Tmean is suitable enough for estimating impacts in present-day climate. KEYWORDS: heat stress, mortality
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.
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 | 0,001 | 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) | 0,005 | 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 découle