Effects of temperature on daily hospital visits for urticaria in Nanchang, China: a distributed lag nonlinear time series analysis
Notice bibliographique
Résumé
OBJECTIVE: This study evaluated temperature's lagged effects on urticaria outpatient visits in Nanchang, China (2017-2022), and identified sensitive populations through age/gender stratification. METHODS: Using a distributed lag nonlinear model (DLNM), we analyzed 71,779 urticaria visits, adjusting for humidity, weekday, holidays, and seasonal/long-term trends. Temperature effects (cold: 5th/25th percentiles; hot: 75th/95th percentiles) were compared to the 50th percentile. RESULTS: Temperature exhibited non-linear and delayed impacts. Daily averages >19.9°C initially increased then decreased urticaria risk, peaking at 29°C with a 15-day lag (RR=1.74, 95% CI:1.63-1.86). No adverse effects occurred below 19.9°C. Individuals aged ≥60 were most vulnerable: at 29°C with a 16-day lag, RR surged to 2.31 (95% CI:1.99-2.70). CONCLUSION: Hot increases urticaria outpatient visits, while cold reduces risk. These findings highlight temperature-specific prevention strategies, particularly for older adults.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».