Abstract 12832: Risk of Extreme Wet Climate Conditions and Racial/Ethnic-Specific Cardiovascular Mortality in Southwest United States
Notice bibliographique
Résumé
Introduction: Coastal regions are highly vulnerable to extreme climate conditions, which are known to have effects on adult cardiovascular disease mortality (CVDM). Racial/ethnic (R/E) minority populations (ie Non-Hispanic (NH) Black) are known to have a greater incidence of CVDM compared to their NH White counterparts. Consequently, there is a need to document associations between climate extremes and R/E-specific CVDM. Hypothesis: Extreme wet conditions associated with CVDM should vary by R/E, where strongest increased risk is expected for minority populations. Methods: Population-based study using sex, age (45-84 years), and R/E-specific (NH White, Black, Asian, & Hispanic/Latino) CVD deaths [ICD-10 (I00-99)] from CDC for Southwest US (California, Arizona, New Mexico) from Jan 1999 to Dec 2020. Climate exposure categories (mild, moderate, extreme dry/wet) were based on Palmer Drought Severity Index (PDSI), which integrates temperature and precipitation. With population estimates, CVDM rates were associated with PSDI categories using negative binomial regression upon adjusting for diabetes, smoking prevalence, sex, trend, month, state, unemployment rate, and air pollution (PM 2.5 ). Results: From 1999-2020, 1,307,418 (67.6% NH White, 16.1% Hispanic, 7.4% NH Asian, 8.9% NH Black) CVD deaths were recorded. CVDM was associated with a significant increased risk during extreme wet events (compared to extreme drought) only among NH Asian (adjusted rate ratio [RR] 1.08; 95% CI 1.06-1.09) and NH White (RR 1.02; 95% CI 1.01-1.025) in Southwest US (Figure). Insignificant interactions were observed between extreme wet and PM2.5 on CVDM by R/E. Conclusions: Extreme wet climate conditions were associated with an increased risk of CVDM among NH Asian and White adults. Both climate extreme events and R/E should be considered as predisposing risk factors for CVDM. Further studies are needed to assess such CVDM risk factors for other susceptible areas in the US.
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 | 0,000 |
| 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) | 0,003 | 0,001 |
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.
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 ».