Does choice of outdoor heat metric affect heat-related epidemiologic analyses in the US Medicare population?
Notice bibliographique
Résumé
Background: Outdoor air temperature is associated with increased morbidity and mortality. Other thermal indices theoretically confer greater physiological relevance by incorporating additional meteorological variables. However, the optimal metric for predicting excess deaths or hospitalizations owing to extreme heat among US Medicare beneficiaries remains unknown. Methods: We calculated daily maximum, minimum, and mean outdoor air temperature (T), heat index (HI), wet-bulb globe temperature (WBGT), and Universal Thermal Climate Index (UTCI) for populous US counties and linked estimates with daily all-cause mortality and heat-related hospitalizations among Medicare beneficiaries (2006–2016). We fit distributed-lag nonlinear models for each metric and compared relative risks (RRs) at the 99th percentile. Results: Across all heat metrics, extreme heat was statistically significantly associated with elevated risks of morbidity and mortality. Associations were more pronounced for maximum daily values versus the corresponding minimum for the same metric. The starkest example was between HImax (RR = 1.14; 95% confidence interval [CI] = 1.12, 1.15) and HImin (RR = 1.10; 95% CI = 1.09, 1.11) for hospitalizations. When comparing RRs across heat metrics, we found no statistically significant differences within the minimum and maximum heat values (i.e., no significant differences between Tmax/HImax/WBGTmax/UTCImax or between Tmin/HImin/WBGTmin/UTCImin). We found similar relationships across the National Climate Assessment regions. Conclusion: Among Medicare beneficiaries in populous US counties, daily maximum and mean values of outdoor heat are associated with greater RRs of heat-related morbidity and all-cause mortality versus minimum values of the same metric. The choice of heat metric (e.g., temperature versus HI) does not appear to substantively affect risk calculations in this population.
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 | 0,019 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».