The synergistic effects of PM2.5 and high temperature on community mortality in British Columbia
Notice bibliographique
Résumé
Abstract Exposure to fine particulate matter (PM2.5), a primary component of wildfire smoke, and exposure to high temperatures both independently increase the risk of mortality, with evidence of synergistic effects. These environmental stressors often co-occur during wildfire season, and their synergistic effects are expected to worsen with climate change. However, the combined health risks of wildfire-related PM2.5 and temperature remain poorly understood, limiting the effectiveness of public health interventions. This study investigated the joint effects of PM2.5 and temperature on community all-cause mortality across 13 wildfire seasons (2010–2022) in southwest British Columbia, Canada. Daily estimates of ambient PM2.5 and temperature exposure were assigned from a machine learning-based prediction model and satellite data, respectively. Using a case-crossover design and conditional logistic regression, we examined non-linear associations between co-exposures and mortality across deciles and absolute exposure ranges. We found significant, non-linear interactions, with the highest mortality risk observed on days with PM2.5 levels of 12–14 µg/m³ and temperatures ≥ 26 °C (OR = 7.31, 95% CI: [5.34, 10.0]). Co-exposures exceeding the 90th percentile showed synergistic effects, contributing an excess mortality risk of 7.9% (95% CI: 6.1, 9.1). Moderate co-exposure levels posed substantial risks, underscoring the need for greater attention to their public health impacts. Our findings highlight the urgent need to understand and address the compounding effects of PM2.5 and temperature to mitigate risks in a changing climate.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».