Estimating the urban heat-related mortality burden due to greenness: a global modelling study
Notice bibliographique
Résumé
BACKGROUND: Heat exposure poses a substantial public health threat. Increasing greenness has been suggested as a mitigation strategy due to its cooling effect and potential to modify the heat-mortality association. This study aimed to comprehensively estimate the effects of increased greenness on heat-related deaths. METHODS: We applied a multistage meta-analytical approach to estimate the potential reduction in global heat-related deaths by increasing greenness in the warm season in 2000-19 in 11 534 urban areas. We used the enhanced vegetation index (EVI) to indicate greenness and a random forest model to predict daily temperatures in counterfactual EVI scenarios. In the factual EVI scenarios, daily mortality and weather variables from 830 locations in 53 countries were extracted from the Multi-Country Multi-City Collaborative Research Network and used to assess heat-mortality associations. These associations were then extrapolated to each urban area under both factual and counterfactual EVI scenarios based on meta-regression models. FINDINGS: We estimated that EVI increased by 10% would decrease the global population-weighted warm-season mean temperature by 0·08°C, EVI increased by 20% would decrease temperature by 0·14°C, and EVI increased by 30% would decrease temperature by 0·19°C. In the factual scenario, 3 153 225 (2·48%) of 127 179 341 total deaths could be attributed to heat exposure. The attributable fraction of heat-related deaths (as a fraction of total deaths) in 2000-19 would decrease by 0·67 (95% empirical CI 0·53-0·82) percentage points in the 10% scenario, 0·80 (0·63-0·97) percentage points in the 20% scenario, and 0·91 (0·72-1·10) percentage points in the 30% scenario, compared with the factual scenario. South Europe was modelled to have the largest decrease in attributable fraction of heat-related mortality. INTERPRETATION: This modelling study suggests that increased greenness could substantially reduce the heat-related mortality burden. Preserving and expanding greenness might be potential strategies to lower ambient temperature and reduce the health impacts of heat exposure. FUNDING: Australian Research Council and Australian National Health and Medical Research Council.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».