Characterizing adaptive capacity for the future heat-related cardiovascular morbidity burden in U.S. Metropolitan areas
Notice bibliographique
Résumé
• By 2099, additional 36 days are projected above the min hospitalization temperature. • By 2099, excess heat-CVD burden is expected to increase at least 20-fold. • Risk scores are built for health, environment, economic/demographic, infrastructure. • Health risk scores explain the most model variance for current burden. • Environment risk scores predict the largest portion of change in burden over time. Exposure to excess heat is linked to increased risks of cardiovascular diseases (CVD). As temperatures increase globally, it is crucial to examine the potential increase in excess heat-related CVD (xHEAT-CVD) burden to inform strategies for adaptation. This study aimed to identify the contextual factors associated with future xHEAT-CVD burden among older adults across eighty U.S. metropolitan statistical areas (MSAs). The MSA-specific xHEAT-CVD risk for adults ≥ 65 years was estimated using hospitalization and temperature data from 2000 to 2017, with excess heat defined as temperatures above the minimum hospitalization percentile (T MHP ). Future xHEAT-CVD hospitalizations were estimated using temperature projections for 2025–2054, 2045–2074, and 2070–2099 under three climate scenarios. Area-level variables were used to identify demographic and economic status, health, environment, and infrastructure contexts and derive Urban Heat Health Risk (UHHR) scores using confirmatory factor analysis. The associations between adaptive capacity (the UHHR scores) and future xHEAT-CVD burden were examined. In 2070–2099 under the mildest scenario, 36 more days annually were projected to be ≥ T MHP , and xHEAT-CVD burden was projected to increase by at least 20.4-fold. Lower adaptive capacity was associated with greater increases in future xHEAT-CVD burden, over 9-fold increase per 1-unit increase in UHHR score (9.1, 95 % Confidence Intervals: 2.8–15.4). The historical xHEAT-CVD burden (2000–2017) was largely driven by the health context, whereas environment played a more important role in the future. Our findings suggest that drivers of the xHEAT-CVD burden may vary across time. Targeting the areas with the highest xHEAT-CVD burden at varying timeframes can help mitigate xHEAT-CVD burden more effectively.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 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 ».