MétaCan
Menu
Retour à la cohorte
Enregistrement W4403258614 · doi:10.1136/bmj-2024-080944

Rainfall events and daily mortality across 645 global locations: two stage time series analysis

2024· article· en· W4403258614 sur OpenAlexaff
Cheng He, Susanne Breitner-Busch, Veronika Huber, Kai Chen, Siqi Zhang, Antonio Gasparrini, Michelle L. Bell, Haidong Kan, Dominic Royé, Ben Armstrong, Joel Schwartz, Francesco Sera, Ana Maria Vicedo-Cabrera, Yasushi Honda, Jouni J K Jaakkola, Niilo Ryti, Jan Kyselý, Yuming Guo, Shilu Tong, Francesca de’Donato, Paola Michelozzi, Micheline de Sousa Zanotti Stagliorio Coêlho, Paulo Hilario Nascimento Saldiva, Eric Lavigne, Hans Orru, Ene Indermitte, Mathilde Pascal, Patrick Goodman, Ariana Zeka, Yoonhee Kim, Magali Hurtado‐Díaz, Eunice Elizabeth Félix Arellano, Ala Overcenco, Jochem O. Klompmaker, Shilpa Rao, Alfonso Diz-Lois Palomares, Gabriel Carrasco‐Escobar, Xerxes Seposo, Susana das Neves Pereira da Silva, Joana Madureira, Iulian‐Horia Holobâcă, Noah Scovronick, Fiorella Acquaotta, Ho Kim, Whanhee Lee, Masahiro Hashizume, Aurelio Tobı́as, Carmen Íñiguez, Bertil Forsberg, Martina S. Ragettli, Yue Leon Guo, Shih‐Chun Pan, Samuel Osorio, Shanshan Li, Antonella Zanobetti, Trần Ngọc Đăng, Do Van Dung, Alexandra Schneider

Notice bibliographique

RevueBMJ · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of OttawaHealth Canada
Organismes subventionnairesAlexander von Humboldt-Stiftung
Mots-clésSeries (stratigraphy)Stage (stratigraphy)Computer scienceTime seriesStatisticsMathematicsGeologyMachine learning

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the associations between characteristics of daily rainfall (intensity, duration, and frequency) and all cause, cardiovascular, and respiratory mortality. DESIGN: Two stage time series analysis. SETTING: 645 locations across 34 countries or regions. POPULATION: Daily mortality data, comprising a total of 109 954 744 all cause, 31 164 161 cardiovascular, and 11 817 278 respiratory deaths from 1980 to 2020. MAIN OUTCOME MEASURE: Association between daily mortality and rainfall events with return periods (the expected average time between occurrences of an extreme event of a certain magnitude) of one year, two years, and five years, with a 14 day lag period. A continuous relative intensity index was used to generate intensity-response curves to estimate mortality risks at a global scale. RESULTS: During the study period, a total of 50 913 rainfall events with a one year return period, 8362 events with a two year return period, and 3301 events with a five year return period were identified. A day of extreme rainfall with a five year return period was significantly associated with increased daily all cause, cardiovascular, and respiratory mortality, with cumulative relative risks across 0-14 lag days of 1.08 (95% confidence interval 1.05 to 1.11), 1.05 (1.02 to 1.08), and 1.29 (1.19 to 1.39), respectively. Rainfall events with a two year return period were associated with respiratory mortality only, whereas no significant associations were found for events with a one year return period. Non-linear analysis revealed protective effects (relative risk <1) with moderate-heavy rainfall events, shifting to adverse effects (relative risk >1) with extreme intensities. Additionally, mortality risks from extreme rainfall events appeared to be modified by climate type, baseline variability in rainfall, and vegetation coverage, whereas the moderating effects of population density and income level were not significant. Locations with lower variability of baseline rainfall or scarce vegetation coverage showed higher risks. CONCLUSION: Daily rainfall intensity is associated with varying health effects, with extreme events linked to an increasing relative risk for all cause, cardiovascular, and respiratory mortality. The observed associations varied with local climate and urban infrastructure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,411
Écart entre enseignants0,358 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetClimate Change and Health ImpactsTravaux en français237 207