MétaCan
Menu
Retour à la cohorte
Enregistrement W4377565664 · doi:10.1021/acs.est.2c09588

How Blackouts during Heat Waves Amplify Mortality and Morbidity Risk

2023· article· en· W4377565664 sur OpenAlexaff
Brian Stone, Carina J. Gronlund, Evan Mallen, David M. Hondula, Marie S. O’Neill, Mayuri Rajput, Santiago Grijalva, Kevin Lanza, Sharon L. Harlan, Larissa Larsen, Godfried Augenbroe, E. Scott Krayenhoff, Ashley M. Broadbent, Matei Georgescu

Notice bibliographique

RevueEnvironmental Science & Technology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNational Institute for Occupational Safety and HealthNational Institute of Environmental Health SciencesNational Science Foundation
Mots-clésEnvironmental scienceExtreme heatUrban heat islandExtreme weatherPopulationMeteorologyHeat waveResilience (materials science)Climate changeBlackoutClimatologyGeographyMedicineEnvironmental healthGeology

Résumé

récupéré en direct d'OpenAlex

The recent concurrence of electrical grid failure events in time with extreme temperatures is compounding the population health risks of extreme weather episodes. Here, we combine simulated heat exposure data during historical heat wave events in three large U.S. cities to assess the degree to which heat-related mortality and morbidity change in response to a concurrent electrical grid failure event. We develop a novel approach to estimating individually experienced temperature to approximate how personal-level heat exposure changes on an hourly basis, accounting for both outdoor and building-interior exposures. We find the concurrence of a multiday blackout event with heat wave conditions to more than double the estimated rate of heat-related mortality across all three cities, and to require medical attention for between 3% (Atlanta) and more than 50% (Phoenix) of the total urban population in present and future time periods. Our results highlight the need for enhanced electrical grid resilience and support a more spatially expansive use of tree canopy and high albedo roofing materials to lessen heat exposures during compound climate and infrastructure failure events.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,227
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,004
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,296
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations90
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetClimate Change and Health ImpactsTravaux en français237 207