Ambient Temperature and Emergency Hospital Admissions in People Experiencing Homelessness: London, United Kingdom, 2011–2019
Notice bibliographique
Résumé
Objectives. To assess the impacts of ambient temperature on hospitalizations of people experiencing homelessness. Methods. We used daily time-series regression analysis employing distributed lag nonlinear models of 148 177 emergency inpatient admissions with “no fixed abode” and 20 804 admissions with a diagnosis of homelessness in London, United Kingdom, in 2011 through 2019. Results. There was a significantly increased risk of hospitalization associated with high temperature; at 25°C versus the minimum morbidity temperature (MMT), relative risks were 1.359 (95% confidence interval [CI] = 1.216, 1.580) and 1.351 (95% CI = 1.039, 1.757) for admissions with “no fixed abode” and admissions with a homelessness diagnosis, respectively. Between 14.5% and 18.9% of admissions were attributable to temperatures above the MMT. No significant associations were observed with cold. Conclusions. There is an elevated risk of hospitalization associated with even moderately high temperatures in individuals experiencing homelessness. Risks are larger than those reported in the general population. Public Health Implications. Greater emphasis should be placed on addressing homeless vulnerabilities during hot weather rather than cold. Activation thresholds for interventions such as the Severe Weather Emergency Protocol (SWEP) could be better aligned with health risks. Given elevated risks at even moderate temperatures, our findings support prioritization of prevention-oriented measures, rather than crisis response, to address homelessness. (Am J Public Health. 2023;113(9):981–984. https://doi.org/10.2105/AJPH.2023.307351 )
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».