Mortality Risk Related to Heatwaves in Dezful City, Southwest of Iran
Notice bibliographique
Résumé
Background: We aimed to evaluate the impact of heatwaves on daily deaths due to non-accidental, cardiovascular and respiratory causes in the city of Dezful in Iran from 2013 to 2019. Method: We collected daily ambient temperature and mortality and defined 2 types of heatwaves by combining daily temperature ⩾90th in each month of the study period or since 30 years with duration ⩾2 and 3 days. We used a distributed lag non-linear model to study the association between each type of heatwave definition, and deaths due to non-accidental, cardiovascular and respiratory causes with lags up to 13 days. Results: There was no discernible correlation in this area, despite the fact that heatwaves raised the risk of death from cardiovascular causes and lowered the risk from respiratory causes. On the other hand, the risk of total non-accidental mortality on days with the heatwaves is significantly higher than normal days. In main effects, the heatwaves have a significant relationship with the risk of total non-accidental mortality (in the first heatwave definition, Cumulative Excess Risk (CER) in lag 0-2 was 10.4 and in second heatwave definition, CER values in lag 0, 0-2, and 0-6 were 12.4, 29.2, and 38.8 respectively). Also, in added effects, heatwaves have a significant relationship with the risk of total non-accidental mortality (in the first heatwave definition, CER in lag 0 and 0-2 were 1.79 and 4.11 and in the second heatwave definition, CER values in lag 0, 0-2, and 0-6 were 7.76, 18.35 and 24.87 respectively). In addition, heatwaves appeared to contribute to a cumulative excess risk of non-accidental death among the male group as well as the older adults. Conclusion: However, the results showed that heatwaves could have detrimental effects on health, even in populations accustomed to the extreme heat. Therefore, early warning systems which monitor heatwaves should provide the necessary warnings to the population, especially the most vulnerable groups.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».