Examining the Optimal Placement of Cooling Centers to Serve Populations at High Risk of Extreme Heat Exposure in 81 US Cities
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
OBJECTIVE: Although extreme heat can impact the health of anyone, certain groups are disproportionately affected. In urban settings, cooling centers are intended to reduce heat exposure by providing air-conditioned spaces to the public. We examined the characteristics of populations living near cooling centers and how well they serve areas with high social vulnerability. METHODS: We identified 1402 cooling centers in 81 US cities from publicly available sources and analyzed markers of urban heat and social vulnerability in relation to their locations. Within each city, we developed cooling center access areas, defined as the geographic area within a 0.5-mile walk from a center, and compared sociodemographic characteristics of populations living within versus outside the access areas. We analyzed results by city and geographic region to evaluate climate-relevant regional differences. RESULTS: Access to cooling centers differed among cities, ranging from 0.01% (Atlanta, Georgia) to 63.2% (Washington, DC) of the population living within an access area. On average, cooling centers were in areas that had higher levels of social vulnerability, as measured by the number of people living in urban heat islands, annual household income below poverty, racial and ethnic minority status, low educational attainment, and high unemployment rate. However, access areas were less inclusive of adult populations aged ≥65 years than among populations aged <65 years. CONCLUSION: Given the large percentage of individuals without access to cooling centers and the anticipated increase in frequency and severity of extreme heat events, the current distribution of centers in the urban areas that we examined may be insufficient to protect individuals from the adverse health effects of extreme heat, particularly in the absence of additional measures to reduce risk.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle