Estimating the heat-related mortality and morbidity burden in the province of Quebec, Canada
Notice bibliographique
Résumé
BACKGROUND: As climate change increases the frequency and intensity of extreme heat events, there is an urgent need to quantify the heat-related health burden. However, most past studies have focussed on a single health outcome (mainly mortality) or on specific heatwaves, thus providing limited knowledge of the total pressure heat exerts on health services. OBJECTIVES: This study aims to quantify the heat-related mortality and morbidity burden for five different health outcomes including all-cause mortality, hospitalizations, emergency department (ED) visits, ambulance transports and calls to a health hotline, using the province of Quebec (Canada) as a case study. METHODS: A two-step statistical analysis was employed to estimate regional heat-health relationships using Distributed Lag Non-Linear Models (DLNM) and pooled estimates using a multivariate meta-regression. Heat burden was quantified by attributable fraction (AF) and attributable number (AN) for two temperature ranges: all heat (above the minimum mortality/morbidity temperature) and extreme heat (above the 95th percentile of temperature). RESULTS: Higher temperatures were associated with greater risk ratios for all health outcomes studied, but at different levels. Significant AF ranging from 2 to 3% for the all heat effect and 0.4-1.0% for extreme heat were found for all health outcomes, except for hospitalizations that had an AF of 0.1% for both heat exposures. The estimated burden of all heat (and extreme heat) every summer across the province was 470 (200) deaths, 225 (170) hospitalizations, 36 000 (6 200) ED visits, 7 200 (1 500) ambulance transports and 15 000 (3 300) calls to a health hotline, all figures significant. DISCUSSION: This new knowledge on the total heat load will help public health authorities to target appropriate actions to reduce its burden now and in the future. The proposed state-of-the-art framework can easily be applied to other regions also experiencing the adverse effects of extreme heat.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».