Temporal change in minimum mortality temperature under changing climate: A multicountry multicommunity observational study spanning 1986–2015
Notice bibliographique
Résumé
Background: The minimum mortality temperature (MMT) or MMT percentile (MMTP) is an indicator of population susceptibility to nonoptimum temperatures. MMT and MMTP change over time; however, the changing directions show region-wide heterogeneity. We examined the heterogeneity of temporal changes in MMT and MMTP across multiple communities and in multiple countries. Methods: Daily time-series data for mortality and ambient mean temperature for 699 communities in 34 countries spanning 1986–2015 were analyzed using a two-stage meta-analysis. First, a quasi-Poisson regression was employed to estimate MMT and MMTP for each community during the designated subperiods. Second, we pooled the community-specific temporally varying estimates using mixed-effects meta-regressions to examine temporal changes in MMT and MMTP in the entire study population, as well as by climate zone, geographical region, and country. Results: Temporal increases in MMT and MMTP from 19.5 °C (17.9, 21.1) to 20.3 °C (18.5, 22.0) and from the 74.5 (68.3, 80.6) to 75.0 (71.0, 78.9) percentiles in the entire population were found, respectively. Temporal change was significantly heterogeneous across geographical regions ( P < 0.001). Temporal increases in MMT were observed in East Asia (linear slope [LS] = 0.91, P = 0.02) and South-East Asia (LS = 0.62, P = 0.05), whereas a temporal decrease in MMT was observed in South Europe (LS = −0.46, P = 0.05). MMTP decreased temporally in North Europe (LS = −3.45, P = 0.02) and South Europe (LS = −2.86, P = 0.05). Conclusions: The temporal change in MMT or MMTP was largely heterogeneous. Population susceptibility in terms of optimum temperature may have changed under a warming climate, albeit with large region-dependent variations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».