A Multi-Country Effort to Understand Temperature Associations with Stroke-Specific Mortality
Notice bibliographique
Résumé
BACKGROUND AND AIM: Globally, extreme temperatures contribute to millions of deaths each year, including stroke-related deaths. However, existing environmental evidence has overlooked the distinct causes and mechanisms of different stroke outcomes. Stroke-specific studies have been limited to single-city or single-country analyses, that are limited by publication bias and generalizability. Within the Multi-country Multi-City (MCC) Network, we built a new mortality database for ischemic and hemorrhagic stroke to conduct a multi-national, multi-decade analysis on the relationship between extreme temperatures and the two most common causes of stroke. METHOD: We used a two-stage protocol to analyze stroke-specific deaths. In the first stage, we fitted conditional quasipoisson regression for daily mortality counts with distributed lag non-linear models for the temperature exposure in each city. In the second stage, the cumulative risk from each city was pooled using mixed effects meta-analysis, accounting for potential higher-level effect modification and clustering of cities with similar features. We compared temperature-stroke associations across country-level gross domestic product (GDP) per capita. We computed excess deaths in each city that are attributable to the hottest and coldest 2.5% of days. RESULTS: We collected a total of 3,443,969 ischemic stroke and 2,454,267 hemorrhagic stroke deaths from 522 cities in 25 countries. For every 1000 ischemic stroke deaths, we found that extreme cold and hot days contributed 9.1 (95% eCI:8.6,9.4) and 2.2 (95%eCI:1.9,2.4) excess deaths, respectively. For every 1000 hemorrhagic stroke deaths, extreme cold and hot days contributed 11.2 (95% eCI:10.9,11.4) and 0.7 (95% eCI:0.5,0.8) excess deaths, respectively. The study found that countries with low GDP per capita were at higher risk of heat-related hemorrhagic stroke mortality than countries with high GDP per capita (p=0.02). CONCLUSIONS: As climate change is driving more extreme temperatures and weather events, urgent attention to meaningful clinical outcomes can help identify and minimize the risk of death from stroke, especially in low-income countries.
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 | 0,028 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».