Relationship between extreme precipitation and acute gastrointestinal illness in Toronto, Ontario, 2012–2022
Notice bibliographique
Résumé
Extreme precipitation events are occurring more intensely in Canada. This can contaminate water sources with enteric pathogens, potentially increasing the risk of acute gastrointestinal illness. This study aimed to investigate the relationship between extreme precipitation and emergency department (ED) visits for acute gastrointestinal illness in Toronto from 2012 to 2022. Distributed lag non-linear models were constructed on ED visit counts with a Quasi Poisson distribution. Extreme precipitation was modelled as a 21-day lag variable, with a linear relationship assumed at levels ≧95th percentile. Separate models were also conducted on season-specific data sets. Daily precipitation and gastrointestinal illness ED visits ranged between 0 to 126 mm, and 12 to 180 visits respectively. Overall, a 10-mm increase in precipitation >95th percentile had no significant relationship with the risk of ED visits. However, stratification by seasons revealed significant relationships during spring (lags 1-19, peak at lag 14 RR = 1.04; 95% CI: 1.03, 1.06); the overall cumulative effect across the 21-day lag was also significant (RR = 1.94; 95% CI: 1.47, 2.57). Extreme precipitation has a seasonal effect on gastrointestinal health outcomes in Toronto city, suggesting varying levels of enteric pathogen exposures through drinking water or other environmental pathway during different seasons.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».