MétaCan
Menu
Retour à la cohorte
Enregistrement W4404056303 · doi:10.1513/annalsats.202405-470oc

Impact of Heat on Respiratory Hospitalizations among Older Adults in 120 Large U.S. Urban Areas

2024· article· en· W4404056303 sur OpenAlexaff
Cassandra R. O’Lenick, Stephanie E. Cleland, Lucas Neas, Mallory Turner, E. Melissa Mcinroe, K. Lloyd Hill, Andrew J. Ghio, Meghan E. Rebuli, Ilona Jaspers, Ana G. Rappold

Notice bibliographique

RevueAnnals of the American Thoracic Society · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensSimon Fraser University
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésMedicineRespiratory systemEmergency medicineMEDLINEIntensive care medicineGerontologyEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Rationale Extreme heat exposure is a well-known cause of mortality among older adults. However, the impacts of exposure on respiratory morbidity across U.S. cities and population subgroups are not well understood. Objectives A nationwide study was conducted to determine the impact of high heat on respiratory disease hospitalizations among older adults (≥65 yr of age) living in the 120 largest U.S. cities between 2000 and 2017. Methods Daily rates of inpatient respiratory hospitalizations were examined with respect to variations in ZIP code–level daily mean temperature or heat index. For each city, we estimated cumulative associations (lag days 0–6) between warm-season heat (June to September) and cause-specific respiratory hospitalizations using time-stratified conditional quasi-Poisson regression with distributed lag nonlinear models. We estimated nationwide associations using multivariate meta-regression and updated city-specific associations via best linear unbiased prediction. With stratified models, we explored effect modification by age, sex, and race (Black or White). Results are reported as percentage change in hospitalizations at high temperatures (95th percentile) compared with median temperatures for each outcome, demographic group, and metropolitan area. Results We identified 3,275,033 respiratory hospitalizations among Medicare beneficiaries across 120 large U.S. cites between 2000 and 2017. Nationwide, 7-day cumulative associations at high temperatures resulted in a 1.2% (95% confidence interval, 0.4–2.0%) increase in hospitalizations for primary diagnoses of all-cause respiratory disease, driven primarily by increases in respiratory tract infections (1.8% [95% confidence interval, 0.6–3.0%]) and chronic respiratory diseases and/or respiratory failure (1.2% [95% confidence interval, 0.0–2.4%]). Stronger associations were observed when exposure was defined using the heat index instead of mean temperature. Across the 120 cities, we observed considerable geographic variation in the relative risk of heat-related respiratory hospitalizations, and we observed disproportionate burdens of heat-related respiratory hospitalizations among the oldest beneficiaries (≥85 yr of age) and among Black beneficiaries living in South Atlantic cities. During the 18-year study period, there were an estimated 11,710 excess respiratory hospitalizations due to heat exposure. Conclusions Results suggest that high temperature and humidity contribute to exacerbation of respiratory tract infections and chronic lung diseases among older adults. Geographic variation in heat-related hospitalization rates suggests that contextual factors largely account for disproportionate burdens, and area-level influences should be further investigated in multicity studies.

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 enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,066
Tête enseignante GPT0,406
Écart entre enseignants0,340 · 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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Thoracic SocietyMême sujetClimate Change and Health ImpactsTravaux en français237 207