Temperatura futura

npj Climate and Atmospheric Science volumen 6, número de artículo: 112 (2023) Citar este artículo

1 altmétrica

Detalles de métricas

Se prevé que los cambios climáticos futuros afecten negativamente al riesgo de mortalidad por enfermedades cardiovasculares (ECV) en las regiones urbanizadas. Sin embargo, no se comprende bien el exceso de hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura en el futuro en residentes rurales con un nivel socioeconómico más pobre. Además, rara vez se consideran la influencia del envejecimiento y la disminución de la población rural. Utilizando las hospitalizaciones por ECV en residentes rurales durante 2010-2016 en ocho regiones del sureste de China, las asociaciones entre temperatura y ECV específicas de la región se estimaron mediante modelos aditivos generalizados, que se combinaron mediante una metarregresión. Proyectamos el exceso de hospitalizaciones por enfermedades cardiovasculares debido a la temperatura utilizando asociaciones regionales para 27 modelos climáticos bajo escenarios de cambio climático para 2010-2099. Para revelar las influencias del envejecimiento y la disminución de la población rural, se utilizaron asociaciones específicas por edad y la tasa de cambio poblacional futuro para estimar el número de hospitalizaciones relacionadas con la temperatura por edad. Descubrimos que se prevé que las hospitalizaciones relacionadas con el calor en residentes rurales por accidente cerebrovascular isquémico, cardiopatía isquémica y enfermedad cerebrovascular aumenten en la década de 2090, aunque el exceso de hospitalizaciones por enfermedades cardiovasculares asociadas con la temperatura futura en los residentes rurales se reducirá en la década de 2090. El envejecimiento de la población rural amplifica la carga de ECV relacionada con la temperatura en >2,34 veces bajo los SSP en la década de 2050 en comparación con escenarios en los que solo la población disminuye, aunque la reducción de la población rural reducirá las hospitalizaciones por ECV relacionadas con la temperatura en la década de 2090. Los ancianos, los hombres y los que viven en Longyan y Sanming podrían verse más afectados. Estos hallazgos sugieren que se prevé que el calor futuro aumente las hospitalizaciones de algunas subcategorías de ECV. Se necesitan políticas para mitigar el aumento de la temperatura y la tasa de hospitalización básica. El impacto del envejecimiento de la población es digno de mención.

A nivel mundial, hubo 17,9 millones de muertes por enfermedades cardiovasculares en 2016, lo que representa el 32 % de todas las muertes1. En 2030, se prevé que las enfermedades cardiovasculares sean la causa de >23,0 millones de muertes2. Mientras tanto, las ECV representaron el 24% de todos los ingresos hospitalarios entre personas de mediana edad de 21 países, y representaron el 59% en los países en desarrollo3. En China, la prevalencia de enfermedades cardiovasculares es grave y sigue aumentando, y la tasa de mortalidad es mayor en las regiones rurales que en las urbanas4.

El cambio climático en curso ha recibido cada vez más atención, caracterizado por el aumento de la temperatura de la superficie5. Estudios anteriores recopilaron y analizaron datos históricos y sugirieron que las temperaturas más cálidas pueden aumentar los ingresos hospitalarios por ECV y sus subcategorías6. Además, se prevé que la temperatura de la superficie global aumentará entre 2,6 oC y 4,8 oC entre 1986-2005 y 2081-2100 en escenarios de altas emisiones, lo que puede contribuir a una mayor incidencia de enfermedades cardiovasculares en el futuro. Por lo tanto, proyectar la influencia potencial del calentamiento continuo en el futuro es fundamental para que los formuladores de políticas desarrollen iniciativas de mitigación para minimizar la carga futura de ECV.

Los estudios actuales se han centrado en proyecciones de muertes por ECV relacionadas con temperaturas futuras no óptimas en áreas urbanas altamente desarrolladas7,8, lo que genera considerables incertidumbres al generalizar la evidencia a la morbilidad (es decir, ingresos hospitalarios) o a regiones con diversos niveles socioeconómicos. En el contexto del calentamiento global y los frecuentes episodios de calor, se prevé que el exceso de mortalidad relacionado con el calor aumente en China, especialmente entre la población de la región sureste, con enfermedades cardiovasculares o con niveles más bajos de educación7,9. Sin embargo, falta evidencia sobre las proyecciones de exceso de ingresos hospitalarios por ECV atribuibles a la temperatura futura entre los residentes rurales, aquellos con un nivel socioeconómico más pobre y un nivel educativo más bajo. Además, los estudios anteriores se limitaron a proyectar la influencia potencial del aumento de la temperatura en la ECV total7,8,10, y la evidencia era muy limitada sobre sus subcategorías comunes, como la cardiopatía isquémica y el accidente cerebrovascular11. Se necesitan más estudios para proyectar los ingresos hospitalarios relacionados con la temperatura por diferentes ECV de causas específicas. En tercer lugar, los estudios actuales han informado principalmente del exceso de ECV relacionado con la temperatura futura en un período breve entre los años 2010 y 207010,11,12, pero pocos estudios revelaron claramente la tendencia en un período prolongado. Se sabe que los adultos mayores con malas condiciones fisiológicas y sociales son particularmente vulnerables al cambio climático. Sin embargo, aunque el envejecimiento de la población se está acelerando a nivel mundial debido a las menores tasas de fertilidad y a una mayor esperanza de vida13, el cambio en la estructura y el tamaño de la población rural no se ha tenido en cuenta adecuadamente en la proyección de la carga sanitaria relacionada con la temperatura14.

La evidencia existente basada en la temperatura futura de sólo unos pocos modelos climáticos no ha descrito adecuadamente el resultado del aumento futuro de la temperatura15. Aunque las proyecciones de modelos climáticos en la Fase 5 del Proyecto de Intercomparación de Modelos Acoplados (CMIP5) desempeñan un papel importante en la investigación climática, el CMIP6 ha proporcionado proyecciones climáticas multimodelo y ha agregado tres nuevas trayectorias de emisiones con el SSP1-2.6, el SSP4-3.4 y el SSP3. -7,0 escenarios para llenar el vacío entre las trayectorias típicas del CMIP5, que pueden satisfacer la necesidad de investigación sobre el impacto de futuros aumentos de la temperatura global de 1,5 °C y 2,0 °C16. Sin embargo, hay escasa evidencia sobre la proyección del riesgo para la salud de la temperatura futura utilizando los modelos climáticos del Proyecto de Intercomparación de Modelos de Escenarios (ScenarioMIP), una actividad principal del CMIP6.

En este estudio, proyectamos el exceso de hospitalizaciones por enfermedades cardiovasculares debido a la exposición futura a la temperatura en cuatro escenarios climáticos futuros diferentes. Utilizamos datos de hospitalización de la población rural en ocho regiones del sureste de China y temperaturas futuras proyectadas por 27 modelos climáticos generales (MCG); consulte la Tabla complementaria 1. Proyectamos además las hospitalizaciones relacionadas con el frío y el calor por causa de ECV, características individuales y región. Por último, nuestro objetivo fue estimar la carga de hospitalizaciones por enfermedades cardiovasculares inducidas por la temperatura en el futuro teniendo en cuenta tanto el envejecimiento como la disminución de la población rural. Este estudio puede ayudar a identificar grupos vulnerables, examinar el efecto del envejecimiento y la disminución de la población rural y ayudar a desarrollar estrategias para prevenir posibles impactos de la temperatura futura.

Se registraron 2.016.904 hospitalizaciones por ECV entre 2010 y 2016 entre la población rural de las ocho regiones del sur de China, y las enfermedades cerebrovasculares, los accidentes cerebrovasculares y la cardiopatía isquémica representaron el 34,84%, el 21,47% y el 16,85% del total de hospitalizaciones por ECV, respectivamente. La Tabla complementaria 2 también muestra estadísticas resumidas de otros factores ambientales y hospitalizaciones por causa, características individuales y regiones. La Figura 1 muestra que la tasa más baja de hospitalización por enfermedades cardiovasculares por millón fue de 12.397 en Zhangzhou, y la más alta fue de 32.759 en Sanming. La temperatura diaria promedio más baja fue de 17,87 °C en Fuzhou, y la más alta fue de 21,82 °C en Zhangzhou durante el período de referencia.

Los colores representan diferentes rangos de temperaturas medias anuales (izquierda) y tasas de hospitalización (derecha). Los puntos y las cruces representan estaciones de monitoreo del clima y la contaminación del aire, respectivamente. Se excluyó Xiamen sin hospitalizaciones de residentes rurales.

Figura 2 y Figura complementaria. 1 muestra las tendencias temporales de las temperaturas proyectadas en los cuatro escenarios en la provincia de Fujian y en las ocho regiones. La temperatura proyectada en los escenarios SSP3-7,0 y SSP5-8,5 seguirá aumentando rápidamente a lo largo del siglo XXI, mientras que la temperatura proyectada después de mediados de este siglo aumentará ligeramente en el escenario SSP2-4,5 y disminuirá ligeramente en el escenario SSP2-4,5. Escenario SSP1-2.6. En comparación con el período de referencia (año 2010), la temperatura media aumentará en 4,8 °C, 3,7 °C, 2,4 °C y 1,2 °C en el año 2090 en el marco de los SSP5-8,5, SSP3-7,0, SSP2-4,5 y SSP1- 2.6 escenarios, respectivamente (Tabla complementaria 3). Las ocho regiones tendrán temperaturas absolutas similares, magnitudes crecientes y variabilidad de temperatura en los años 2090.

SSP1-2.6, SSP2-4.5, SSP3-7.0 y SSP5-8.5 representan los escenarios de vulnerabilidad social y emisiones baja, moderada, relativamente alta y alta, respectivamente. Las líneas continuas denotan la temperatura media anual estimada en los 27 modelos de circulación general (GCM), y las líneas semitransparentes denotan temperaturas específicas de GCM para cada año. Las cuatro barras verticales de la derecha muestran el mínimo y máximo promedio anual para cada serie de temperaturas proyectadas. Los datos de origen se proporcionan en la Tabla complementaria 3.

Figura complementaria. 2 muestra las asociaciones temperatura-hospitalización de referencia acumuladas durante 28 días de retraso por causas de hospitalización, género y grupos de edad, con ocho asociaciones específicas de región en curvas discontinuas. Las asociaciones no lineales entre temperatura y hospitalización sugirieron que tanto el frío como el calor aumentaron el riesgo de hospitalización por ECV. Mientras tanto, se observó que el riesgo de hospitalizaciones adversas se atenuaba con temperaturas extremadamente altas. La temperatura mínima de hospitalización fue de 10,6 °C para enfermedades cardiovasculares, similar con subcategorías y subgrupos.

La Tabla 1 ilustra las tendencias futuras del exceso de hospitalizaciones atribuidas al calor y al frío por causas de hospitalización y características individuales en los cuatro escenarios. Para las enfermedades cardiovasculares, proyectamos que la fracción del exceso de hospitalizaciones atribuidas tanto al calor como al frío disminuirá en el futuro. La fracción atribuible relacionada con el calor disminuirá del 17,1% (ICe del 95%: 6,7 a 25,3) en la década de 2010 al 13,4% (ICe del 95%: -13,0 a 27,5) en la década de 2090 bajo el SSP5-8,5, mientras que la fracción atribuible al frío la fracción atribuible correspondiente disminuirá del 0,4% al 0,1%. Además, el exceso de hospitalizaciones por enfermedades cardiovasculares atribuibles a la temperatura cambiará en un 0,1%, -0,7%, -2,5% y -4,0% a finales del siglo XXI en comparación con la década de 2010 en todos los escenarios climáticos, respectivamente, y los gradientes de cambio aumentado en el orden de los escenarios SSP1-2.6, SSP2-4.5, SSP3-7.0 y SSP5-8.5.

Las tendencias en las hospitalizaciones relacionadas con el calor variaron según las subcategorías, aunque hubo tendencias decrecientes constantes en las hospitalizaciones relacionadas con el frío (Tabla 1). Por ejemplo, se proyectan tendencias crecientes en las hospitalizaciones relacionadas con el calor para algunas subcategorías de ECV, como el accidente cerebrovascular isquémico, la cardiopatía isquémica y la cardiopatía isquémica crónica. En comparación con la década de 2010, el exceso de hospitalizaciones atribuibles a la temperatura aumentará entre un 1,3% y un 2,0%, un 0,6% y un 0,8%, un 1,0% y un 2,8% y un 0,1% a 0,8% en la década de 2090 en cuatro escenarios: accidente cerebrovascular isquémico, cardiopatía isquémica y enfermedad isquémica crónica. enfermedad cardiaca y enfermedad cerebrovascular, respectivamente. Además, la fracción del exceso de hospitalizaciones por enfermedades cardiovasculares atribuibles al frío y al calor en el futuro sigue siendo mayor para los hombres y las personas mayores que para las mujeres y los jóvenes. Además, las tendencias de las enfermedades cardiovasculares fueron similares en todas las regiones, pero se observaron mayores impactos del calor en Longyan, Ningde y Sanming (Tabla complementaria 4).

La Tabla 2 y la Tabla complementaria 5 muestran el número de hospitalizaciones excesivas atribuibles al frío y al calor para diferentes subcategorías de ECV en las décadas de 2050 y 2090 en diferentes escenarios combinados de aumento de temperatura, cambio de población rural y envejecimiento. En un escenario sin cambios poblacionales, se proyecta que el número de hospitalizaciones excesivas atribuibles al calor y al frío disminuirá en la década de 2090, excepto por un ligero aumento de las hospitalizaciones relacionadas con el calor bajo el SSP1. Además, la disminución de la población rural reducirá sustancialmente el exceso de hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura en la década de 2090 en el marco de cuatro SSP, que representan el 6%, el 30%, el 65% y el 6% del escenario sin cambios poblacionales. A pesar de la continua disminución de la población rural, el envejecimiento de la población conducirá a un pico en el número de personas mayores en la década de 2050 y luego a un aumento significativo de las hospitalizaciones por enfermedades cardiovasculares relacionadas con el calor y el frío, que son 2,82, 2,64, 2,34 y 2,87 veces mayores que los de los cuatro SSP y la población solo está disminuyendo. Se observaron tendencias similares impulsadas por el envejecimiento de la población en diferentes subcategorías. El envejecimiento de la población aumentará la carga de hospitalizaciones por cardiopatía isquémica crónica, accidente cerebrovascular isquémico y enfermedad cerebrovascular en mayor medida en la década de 2050 en los escenarios SSP2 y SSP3 que en otras subcategorías y escenarios, de modo que la carga de hospitalización excede incluso a la del no escenario de disminución de la población.

Las relaciones temperatura-hospitalización y las proyecciones de hospitalizaciones relacionadas con la temperatura fueron generalmente robustas a la variación en los gls que oscilaron entre 10 y 12 por año para las tendencias temporales y los \({df}\) que oscilaron entre 4 y 6 para los días de retraso. Los resultados proyectados siguen siendo sólidos después de ajustar por separado los factores ambientales o excluir las PM10 (Tabla complementaria 6).

Este estudio tiene como objetivo proporcionar evidencia sobre las proyecciones del exceso de hospitalizaciones atribuibles a la temperatura futura de una serie de subcategorías de ECV para la población rural en China, utilizando 27 GCM bajo cuatro escenarios que enfatizan la coherencia entre SSP y RCP. Descubrimos que el exceso de hospitalizaciones por enfermedades cardiovasculares atribuibles al calor y al frío generalmente disminuye en el futuro en diferentes escenarios, con una disminución neta del 4,0 % en las hospitalizaciones atribuibles a la temperatura en el escenario SSP5-8,5 en la década de 2090 en comparación con la década de 2010. Para subcategorías específicas, hubo tendencias decrecientes consistentes en las hospitalizaciones relacionadas con el frío, pero tendencias diferentes en las hospitalizaciones relacionadas con el calor. Se prevé que el aumento neto de las hospitalizaciones relacionadas con la temperatura aumente entre un 1,3 % y un 2,0 % para el accidente cerebrovascular isquémico en los cuatro escenarios en la década de 2090, entre un 0,6 % y un 0,8 % para la cardiopatía isquémica, entre un 1,0 % y un 2,8 % para la cardiopatía isquémica crónica, y entre un 0,1 % y un 2,8 % para la cardiopatía isquémica crónica. 1,0% para enfermedad cerebrovascular. Además, las altas temperaturas futuras causarán una mayor proporción de hospitalizaciones por enfermedades cardiovasculares entre hombres, ancianos y personas que viven en Longyan y Sanming. En general, el envejecimiento de la población rural aumentará el número de hospitalizaciones por enfermedades cardiovasculares excesivas atribuibles a la temperatura en la década de 2050, especialmente en los escenarios SSP2 y SSP3, y luego una reducción dramática en el tamaño de la población rural en la década de 2090 reducirá la carga de enfermedades cardiovasculares atribuible a futuras enfermedades. temperatura.

En este estudio, se proyecta que el exceso de hospitalizaciones por enfermedades cardiovasculares atribuibles al frío y al calor en la población rural disminuirá en la mayoría de los escenarios futuros de cambio climático. A nivel provincial, la fracción atribuible de las hospitalizaciones por enfermedades cardiovasculares relacionadas con el calor y el frío en el escenario SSP5-8.5 disminuirá del 17,1% al 13,4% y del 0,4% al 0,1%, respectivamente, durante los años 2010 a 2090. Las tendencias variaron ligeramente según los escenarios. Sin embargo, no hubo evidencia relevante sobre la proyección del exceso de hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura en la población rural. Los efectos del calor a temperaturas extremadamente altas se mitigaron en Fujian, porque las personas tienden a permanecer en el interior o en habitaciones con aire acondicionado para mitigar parcialmente los efectos del calor durante los días extremadamente calurosos, lo que resultó en la tendencia decreciente proyectada para el exceso de hospitalizaciones relacionadas con el calor por enfermedades cardiovasculares en calentamiento global. Este hallazgo subraya la importancia de que las políticas y las mediciones mejoren la adaptación de la población al calentamiento global. Estudios anteriores han encontrado que el calor aumentará la mortalidad por ECV debido al cambio climático, mientras que el frío disminuirá la carga7,8, y se informaron tendencias similares en años de vida perdidos (AVP) y paros cardíacos extrahospitalarios10,17. Sin embargo, todavía es inconsistente si la tendencia decreciente relacionada con el frío puede compensar la tendencia creciente relacionada con el calor en la mortalidad y los AVP. Por lo tanto, el resultado de salud de las enfermedades cardiovasculares (morbilidad y mortalidad) relacionado con el frío y el calor futuros debe confirmarse mediante más investigaciones.

Descubrimos que tanto la disminución como el envejecimiento de la población rural en el futuro pueden afectar sustancialmente la carga de hospitalizaciones por ECV asociadas con el aumento futuro de las temperaturas. La disminución de la población rural disminuiría sustancialmente las hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura. Puede ser la razón por la que la rápida urbanización disminuirá de manera monótona y sustancial el tamaño de la población rural bajo los cuatro SSP en la provincia de Fujian. Aunque una reducción sustancial en la población rural total atenuará el exceso proyectado de hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura futura en las regiones rurales, el envejecimiento de la población rural seguirá elevando las hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura en la década de 2050, es decir, 2,82, 2,64, 2,34 y 2,87 veces por debajo de lo previsto. cuatro SSP con población en declive y envejecimiento en comparación con aquellos cuya población solo está en declive. Yang y sus coautores encontraron resultados similares: se detecta que el envejecimiento de la población aumenta rápidamente el exceso de mortalidad relacionado con el calor en la región nororiental de China, lo que probablemente esté asociado tanto con una alta emigración de la población como con una larga esperanza de vida7,18. Con los serios desafíos que plantea el envejecimiento de la población, nuestros hallazgos pueden ser beneficiosos para mejorar la planificación de la atención médica relevante y las actividades de salud pública para contrarrestar el frío y el calor futuros para proteger a los ancianos.

Se proyecta una tendencia creciente en las hospitalizaciones relacionadas con el calor por cardiopatía isquémica, cerebrovascular y accidente cerebrovascular isquémico. Debido a diferentes mecanismos fisiológicos, las formas de la asociación temperatura-hospitalización variaron según las subcategorías, lo que podría conducir a inconsistencias en la carga de hospitalizaciones previstas de diferentes subcategorías de ECV relacionadas con la temperatura. Estudios anteriores confirmaron que es probable que las altas temperaturas futuras aumenten la mortalidad por cardiopatía isquémica y enfermedad cerebrovascular entre los años 2010 y 2090 en Ningbo, China19, y que aumenten la mortalidad por cardiopatía isquémica aguda y accidente cerebrovascular isquémico entre los años 1980 y 2080 bajo el RCP4 Escenarios .5 y RCP8.511. El número proyectado de hospitalizaciones excesivas por enfermedad cerebrovascular asociada con el calor es mayor que el de otras subcategorías de nuestro estudio, con al menos 226 776 hospitalizaciones excesivas en la década de 2090 según los escenarios, lo que probablemente se asocia con una tasa de hospitalización más alta. Por tanto, es necesaria una atención continua y una vigilancia epidémica de la enfermedad para reducir la carga sanitaria.

Descubrimos que los ancianos y los hombres eran más susceptibles al futuro cambio climático que los jóvenes y las mujeres. Las peores condiciones cardiorrespiratorias y circulatorias de la mayoría de las personas mayores pueden debilitar su capacidad termorreguladora y aumentar su vulnerabilidad. Se dispone de evidencia limitada sobre la población rural vulnerable al efecto futuro de la temperatura en las hospitalizaciones por ECV. Estudios anteriores informaron que, en la población rural, el efecto de la modificación de la temperatura en las hospitalizaciones por enfermedades cardiovasculares por edad y género fue inconsistente en los suburbios del oeste y sureste de China6,20. También encontramos heterogeneidad espacial en el impacto futuro de la temperatura en las hospitalizaciones por ECV. La fracción atribuible a la temperatura futura fue mayor en las regiones de Longyan, Ningde y Sanming, con un nivel socioeconómico relativamente más bajo. Estudios anteriores también informaron que la pobreza exacerbó la mortalidad cardiorrespiratoria21 y las hospitalizaciones6 relacionadas con el frío y el calor. Sin embargo, la evidencia existente sobre la modificación del efecto se basó en datos históricos, y se necesita más investigación para proporcionar evidencia relevante del impacto futuro de la temperatura en las hospitalizaciones por ECV.

Los cambios en las hospitalizaciones atribuibles a la temperatura futura variaron según los diferentes escenarios climáticos, lo que es similar a la evidencia existente sobre la mortalidad7. Por todas las causas, las pendientes de los cambios son más pronunciadas en el escenario SSP5-8.5. En particular, aunque los riesgos futuros parecen reducirse para algunas subcategorías bajo el SSP5-8.5, todavía no es posible sacar conclusiones sobre el impacto del aumento de la temperatura en la salud pública. Se dispone de evidencia limitada sobre la proyección del exceso de hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura en diferentes regiones con diversos climas para confirmar la conclusión, especialmente en la población rural. Además, un estudio realizado en 451 lugares de países de todo el mundo proyectó que el exceso de mortalidad relacionado con la temperatura aumentará en promedio en escenarios de altas emisiones, aunque con una aparente heterogeneidad entre los lugares14.

Este estudio estima el exceso futuro de hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura, teniendo en cuenta las incertidumbres de 27 modelos climáticos, cuatro escenarios de emisiones, el envejecimiento futuro y la disminución de la población rural, y la imprecisión de la asociación estimada. Sin embargo, aún merecen atención otras fuentes de incertidumbre, incluidos los cambios en la estructura de la población, la adaptación y la aclimatación de la población. Los hallazgos de este estudio deben considerarse como efectos potenciales de las temperaturas futuras en las hospitalizaciones por ECV en escenarios hipotéticos, porque asumimos que la forma de la curva temperatura-hospitalizaciones se mantuvo sin cambios al nivel de la década de 2010 durante todo el período de estudio, ignorando los cambios potenciales. en la capacidad de adaptación al clima. Sin embargo, el alcance de la adaptación de la población aún no está claro. Además, este estudio no consideró la aclimatación de la población al aumento de temperaturas, lo que podría sobrestimar el riesgo de temperaturas futuras en las hospitalizaciones por ECV. Sin embargo, existe evidencia limitada e inconsistente sobre la influencia de la aclimatación de la población en el riesgo para la salud7,22. Además, aunque este estudio ha tenido en cuenta la estructura de la población mediante el uso de riesgos específicos por edad, los cambios potenciales en el espectro de enfermedades y las características demográficas (por ejemplo, nivel educativo y posición social) pueden modificar la vulnerabilidad de la población a la temperatura futura, al aumentar la población en riesgo o con riesgos mayores. Se necesitan estudios futuros para tener en cuenta adecuadamente estas fuentes de incertidumbre al evaluar la carga para la salud relacionada con la temperatura futura.

Este estudio tiene algunas limitaciones. En primer lugar, al igual que en muchos estudios anteriores, la temperatura de referencia de los sitios de monitoreo fijos no puede reflejar adecuadamente la exposición individual, aunque estos errores de medición probablemente se distribuyan al azar. En segundo lugar, los escenarios actuales del SSP no pueden representar completamente la proporción específica de la región entre los ancianos y el tamaño de la población, lo que probablemente resulte en una estimación conservadora del exceso de hospitalizaciones por enfermedades cardiovasculares relacionadas con la temperatura futura. Se necesitan más estudios para cuantificar con mayor precisión los cambios poblacionales futuros a una escala más fina. En tercer lugar, asumimos que el espectro de la enfermedad permanece constante según el estudio anterior7,19, lo que puede subestimar las proyecciones de hospitalizaciones por ECV. Las tendencias crecientes de la población mundial de edad avanzada y obesa23 aumentarán el número de población de alto riesgo. Además, la temperatura aumentó los riesgos en casi todas las subcategorías6, y los cambios en el espectro de la enfermedad probablemente aumenten las subcategorías pequeñas con mayores efectos de la temperatura. Cuarto, se debe tener cautela al generalizar estos hallazgos a otras regiones, especialmente regiones con diferentes condiciones climáticas, grados de urbanización y cambios demográficos. Finalmente, aunque el conjunto de datos analizado no pudo identificar si las hospitalizaciones fueron planificadas con anticipación o no, el impacto de las hospitalizaciones planificadas previamente en los resultados es limitado, porque la población rural china en general carecía de conocimiento sobre el manejo de la salud de las enfermedades cardiovasculares durante el período estudiado24.

Este estudio se llevó a cabo en ocho regiones a lo largo de la costa sureste de China, incluidas las regiones de Fuzhou, Longyan, Nanping, Ningde, Putian, Quanzhou, Sanming y Zhangzhou, donde prevalece un clima monzónico marino subtropical caracterizado por altas temperaturas duraderas en verano. La información detallada ha sido descrita en nuestro estudio anterior6.

Hemos recopilado los datos de hospitalizaciones y temperatura durante el período basal. Los registros de hospitalizaciones individuales de la población rural en las regiones durante 2010-2016 se recopilaron del Nuevo Plan Médico Cooperativo Rural que había cubierto a >85% de la población rural desde 200725. Basado en la décima versión de la Clasificación Internacional de Enfermedades (CIE- 10), seleccionamos y categorizamos los registros de hospitalización en enfermedades cardiovasculares totales (I00-I99) y cinco subcategorías con ocurrencias suficientes (Tabla complementaria 2). Hemos agregado el número total de hospitalizaciones por ECV por día, desglosado por causa de las hospitalizaciones, grupos de edad (0 a 64, 65 a 74 y ≥75 años) y grupos de género. Las tasas de valores atípicos extremos que excedieron la mediana por más de tres veces el rango intercuartil fueron <0,22% para las variables analizadas, que fueron reemplazadas por el promedio de los recuentos de dos días adyacentes. También recopilamos el clima diario (temperatura y humedad relativa) del Centro de Servicio de Datos Meteorológicos de China, y datos de contaminación del aire (partículas con diámetros inferiores a 10 μm, dióxido de nitrógeno y dióxido de azufre) del Centro Nacional de Monitoreo Ambiental de China durante el período de referencia. . No había valores faltantes en todas las variables, excepto la concentración de PM10, con una tasa baja de faltantes del 2,38 %, y los valores faltantes no se procesaron. La información detallada se muestra en la Tabla complementaria 2 y en nuestro estudio anterior6.

El diseño ScenarioMIP es la actividad principal dentro del proyecto CMIP6 que proporciona proyecciones climáticas multimodelo basadas en varios escenarios relacionados con preocupaciones sociales de mitigación, adaptación o impactos del cambio climático26. Ha proyectado temperaturas futuras desde 1961 hasta 2100 considerando el uso de la tierra y las concentraciones de gases de efecto invernadero. Adquirimos proyecciones de temperatura futura reducidas mediante la prueba central, incluidos 4 escenarios y utilizando 27 modelos de circulación general. Estos escenarios (es decir, SSPx-y) han indicado que la adopción de políticas de adaptación y mitigación climática bajo Vías Socioeconómicas Compartidas (SSP, x) específicas conducirá al resultado correspondiente de las Vías de Concentración Representativas (RCP, y)27. El escenario SSP1-2.6 indica una combinación de baja vulnerabilidad social y un forzamiento radiativo de 2,6 W/m2, con un aumento de temperatura inferior a 2 °C en 2100, lo que puede respaldar la investigación relacionada con el medio ambiente sobre el objetivo de un aumento de temperatura de 2 °C. . Los escenarios SSP2-4.5, SSP3-7.0 y SSP5-8.5 ilustran una vulnerabilidad social moderada, relativamente alta y alta y un forzamiento radiativo de 4,5 W/m2, 7,0 W/m2 y 8,5 W/m2, de los cuales la temperatura aumentará alrededor de 3,07 °. C, 4,06 °C y 5,17 °C para 2100, respectivamente28. Además, redujimos los datos cuadriculados mensuales de los GCM a escala diaria para las regiones de este estudio, utilizando el modelo estadístico de reducción de escala NWAI-WG29. En primer lugar, la reducción de escala espacial implicó una interpolación inversa ponderada por distancia basada en el centro de los cuatro puntos de la cuadrícula más cercanos en los GCM. En segundo lugar, la corrección del sesgo de los valores mensuales proyectados por GCM y las temperaturas observadas históricamente se realizó utilizando un método cuantil equidistante. Finalmente, las series temporales diarias de temperatura se redujeron a partir de las proyecciones GCM mensuales corregidas con sesgo utilizando una versión modificada de un generador meteorológico estocástico30. Hasta la fecha, los datos reducidos del NWAI-WG se han utilizado en muchos estudios previos sobre la evaluación de los riesgos para la salud del cambio climático7,31,32,33,34.

Recopilamos las proyecciones de población rural cuadriculadas para las ocho regiones de 2010 a 2099 de la base de datos de escenarios de población espacial como un estudio publicado7. La población de celdas de cuadrícula de 1 km × 1 km dentro de cada región se sumó para obtener la población rural proyectada específica de la región y específica del SSP, que se ajustó aún más mediante los factores de corrección específicos de la región que se supusieron constantes y se calcularon mediante comparando la población proyectada para 2010 de los SSP con el censo de población de 2010. Seleccionamos los cuatro escenarios de crecimiento demográfico futuro, incluidos SSP1, SSP2, SSP3 y SSP5, correspondientes a los escenarios climáticos futuros anteriores, que representan diferentes niveles de fertilidad, migración, educación y mortalidad35. También se consideró como grupo de referencia un escenario sin cambios poblacionales. La población rural continuó llegando a las ciudades debido a la continua urbanización, especialmente los jóvenes, por lo que el tamaño de la población rural disminuirá monótonamente en el futuro a diferencia del resto de la población, lo que llevará a la población rural más pequeña de 7459 en Ningde bajo el SSP1 con baja tasa de natalidad y tasa de migración moderada (Figura complementaria 3). Por lo tanto, para tener en cuenta los efectos de los cambios dramáticos en el tamaño y la estructura de la población rural, proyectamos el tamaño de la población rural específica de la región para los grupos de edad durante 2010-209918. De acuerdo con el estudio publicado7, las proporciones provinciales entre grupos de edad se utilizaron para las regiones municipales locales debido a la disponibilidad de datos. Se presenta la población rural futura en las ocho regiones del sureste de China por grupos de edad (Figura complementaria 3). El envejecimiento de la población aumentará el número de personas mayores, especialmente en la región con una gran población total. El tamaño de la población futura disminuirá más lentamente bajo el SSP3 con una alta tasa de fertilidad y una baja tasa de migración que bajo otros escenarios, especialmente en Quanzhou, que tiene una gran base de población y un comercio desarrollado.

En primer lugar, establecimos la relación temperatura-hospitalización utilizando un método convencional de dos etapas basado en los datos de referencia de 2010 a 2016. En segundo lugar, combinando la relación establecida, la temperatura modelada y las proyecciones de hospitalizaciones, proyectamos el número diario de hospitalizaciones causadas por la temperatura para cada día entre 2010 y 2099. Por último, consideramos la influencia de los cambios en la población rural sobre la carga anticipada relacionada con la temperatura en el futuro. Los detalles de cada paso se proporcionan a continuación.

Se emplearon los análisis tradicionales de dos etapas para estimar la asociación inicial de las hospitalizaciones por diversas causas con la temperatura histórica. En primer lugar, se utilizó un modelo cuasi-Poisson para ajustar las relaciones temperatura-hospitalización específicas de la región, lo que permitió la sobredispersión de los datos de recuento, combinado con un modelo no lineal de retardo distribuido (DLNM) que toma en consideración el efecto de la temperatura no lineal durante los días de retardo36. El modelo se especificó a continuación:

donde t es el día de observación, Yt y E(Yt) son los recuentos observados y esperados de hospitalizaciones diarias, respectivamente. El DLNM generó una función de base cruzada bidimensional para la temperatura (Tempt,l) que consistía en una función spline cúbica natural (ns) con tres nudos en los percentiles 10, 50 y 90 de la temperatura para estimar una relación no lineal entre temperatura y hospitalización37. y una función ns con tres nudos en valores igualmente espaciados en escala logarítmica de 28 días de retraso para estimar la relación no lineal entre retraso y hospitalización. La ns permite la extrapolación log-lineal de la función más allá del rango de la serie de temperaturas monitoreadas, que se requiere para proyectar el riesgo de hospitalización de temperaturas futuras38. El modelo también controló los efectos de confusión de las tendencias a largo plazo y la estacionalidad usando una ns de Timet con 12 grados de libertad (\({df}\)) por año, PM10 usando una ns de PM10t con 3df, día de la semana. (DOWt) y días festivos. La elección de los parámetros para el modelo central dependió del modelo que mejor se ajusta, con el criterio de información mínimo de Akaike que se usa comúnmente para comparar posibles modelos (Tabla complementaria 7). Seleccionamos la referencia de la temperatura mínima de hospitalización (TMM) de la asociación temperatura-hospitalización acumulada en los días de rezago. α y β son los coeficientes. En segundo lugar, las relaciones específicas de la región se agruparon mediante un metanálisis multivariado utilizando máxima verosimilitud restringida37,39. Luego, para garantizar la estabilidad, las relaciones acumulativas específicas de la región entre la temperatura y las hospitalizaciones se reestiman mediante la mejor predicción lineal insesgada (BLUP). El BLUP estimó las asociaciones específicas de la región combinando los parámetros promedio y específicos de la región con ponderaciones inversamente proporcionales a su variabilidad, lo que podría proporcionar estimaciones precisas en regiones con una pequeña cantidad de eventos. Esta metodología ha sido descrita detalladamente en estudios previos39,40.

Brevemente, con base en la temperatura modelada, las proyecciones de hospitalizaciones y la relación temperatura-hospitalización establecida, calculamos la cantidad diaria de hospitalizaciones debidas a la temperatura para cualquier día inicial y futuro. Los días fríos y los días calurosos se definieron de acuerdo con las temperaturas diarias por debajo y por encima del MHT respectivamente, y en conjunto se denominaron días de temperatura no óptima. La suma del exceso de hospitalizaciones para todos los días fríos y todos los días calurosos es el número de hospitalizaciones atribuidas al frío y al calor respectivamente, y la suma de ambos es el número de hospitalizaciones atribuidas a temperaturas no óptimas. La fracción del número de hospitalizaciones atribuidas a una temperatura no óptima (es decir, frío y calor) con respecto al número total de hospitalizaciones fue la fracción atribuible (FA). El marco de modelado se elaboró en un artículo publicado recientemente38 y se adoptó en otros estudios7,19. Estimamos por separado el exceso de hospitalizaciones por enfermedades cardiovasculares relacionadas con el calor y el frío por décadas por diferentes regiones, SSP y GCM. Las fracciones atribuibles se calcularon para diferentes regiones, décadas y SSP dividiendo los promedios del conjunto GCM por el número total correspondiente de hospitalizaciones. Las incertidumbres de las proyecciones de hospitalizaciones atribuidas al calor y al frío se deben principalmente a las relaciones estimadas de exposición-respuesta y a la temperatura proyectada entre diferentes GCM. Para cuantificar estas incertidumbres, calculamos los percentiles 2,5 y 97,5 de los resultados para combinaciones de 27 GCM y 1000 muestras simuladas de coeficientes BLUP reducidos como intervalos de confianza empíricos (eCI) del 95 %, utilizando la simulación de Monte Carlo asumiendo una normal multivariada. distribución para coeficientes del modelo spline38.

Es esencial considerar el impacto del cambio de la población rural en la carga futura relacionada con la temperatura debido a las fuertes disminuciones en el tamaño de la población rural y las crecientes proporciones de poblaciones de edad avanzada en el futuro. Primero, se estimaron las asociaciones temperatura-hospitalización para diferentes grupos de edad utilizando el análisis de series temporales descrito anteriormente. Luego, se proyectó el número de hospitalizaciones atribuidas a la temperatura futura para cada grupo de edad en función de las asociaciones de referencia específicas por edad y la tasa de cambio poblacional futuro específico por edad en comparación con la década de 2010 en cuatro escenarios de SSP.

Proyectamos el exceso de hospitalizaciones futuras relacionadas con la temperatura por causas, regiones, grupos de edad y grupos de género para identificar las poblaciones susceptibles en el futuro. El exceso de hospitalizaciones atribuidas al calor y al frío en diferentes escenarios de cambio climático se proporcionaron para las décadas de 2010 de 2010 a 2019, 2050 de 2050 a 2059 y 2090 de 2090 a 2099.

Además, realizamos una serie de análisis de sensibilidad para probar la solidez de los resultados principales. El \({df}\) es un parámetro importante en un spline cúbico natural para determinar el número de intervalos que dividen el dominio de variables independientes, y se utiliza un polinomio de tercer orden para ajustar la asociación no lineal en cada intervalo. Seleccionamos los gls apropiados entre los que se usan comúnmente (Tabla complementaria 7) que podrían considerar la tendencia temporal y los efectos rezagados de manera suficiente. Para considerar la influencia, además llevamos a cabo una práctica común utilizando gls alternativos adyacentes a los seleccionados, incluidos gls de 10 y 11 por año para tendencias temporales, y gls alternativos de 4 y 6 para días de retraso máximo, respectivamente. El modelo principal excluyó el PM10 para considerar la influencia de los valores faltantes, aunque la tasa de faltantes fue baja. Además, el modelo principal también agregó por separado los ns con 3 \({df}\) de otros factores ambientales, como la lluvia (mm), la duración de la luz solar (horas), NO2 (μg/m3) y SO2 (μg/m3). ). Para implementar todos los análisis estadísticos se utilizó el software R con versión número 4.0.5.

Este estudio ha sido aprobado por el Comité de Ética de la Universidad Médica de Fujian (Nº 202182). No se contactó a ningún participante y los datos se analizaron a nivel agregado.

Los datos están disponibles públicamente en los sitios web para datos meteorológicos de referencia (http://data.cma.cn/), datos de referencia sobre la contaminación del aire (http://www.cnemc.cn/), población proyectada (https://www. cgd.ucar.edu/sections/iam/modeling/spatial-population) y temperaturas proyectadas (https://esgf-node.llnl.gov/search/cmip6/). Los datos brutos de las hospitalizaciones se recopilaron mediante un acuerdo de intercambio de datos y los autores no están autorizados a redistribuir los datos.

El código está disponible previa solicitud.

Organización Mundial de la Salud. Enfermedades cardiovasculares (ECV). https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds) (2021).

Lozano, R. et al. Mortalidad global y regional por 235 causas de muerte para 20 grupos de edad en 1990 y 2010: un análisis sistemático para el Estudio de carga global de enfermedades 2010. Lancet 380, 2095–2128 (2012).

Artículo de Google Scholar

Dagenais, GR et al. Variaciones en enfermedades comunes, ingresos hospitalarios y muertes en adultos de mediana edad en 21 países de los cinco continentes (PURE): un estudio de cohorte prospectivo. Lanceta 395, 785–794 (2020).

Artículo de Google Scholar

Centro Nacional de Enfermedades Cardiovasculares. Informe sobre enfermedades cardiovasculares en China 2018 vol. 1 (Enciclopedia de la Editorial China, 2018).

IPCC. Resumen para responsables de políticas. Cambio Climático 2022: Impactos, Adaptación y Vulnerabilidad. Contribución del Grupo de Trabajo II al Sexto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático. (Cambridge University Press, Cambridge, Reino Unido y Nueva York, NY, EE. UU., 2022).

Zhan, Z. y col. Efecto de la temperatura aparente sobre la hospitalización por un espectro de enfermedades cardiovasculares en residentes rurales de Fujian, China. Reinar. Contaminación. 303, 119101 (2022).

Artículo de Google Scholar

Yang, J. y col. Proyectar el exceso de mortalidad relacionado con el calor en escenarios de cambio climático en China. Nat. Comunitario. 12, 1039 (2021).

Artículo de Google Scholar

Zhang, B., Li, G., Ma, Y. & Pan, X. Proyección de la mortalidad relacionada con la temperatura debido a enfermedades cardiovasculares en Beijing bajo diferentes escenarios de cambio climático, población y adaptación. Reinar. Res. 162, 152-159 (2018).

Artículo de Google Scholar

Cai, W. y col. El informe de China de 2021 de Lancet Countdown sobre salud y cambio climático: aprovechar la ventana de oportunidad. Lancet Public Health 6, e932–e947 (2021).

Artículo de Google Scholar

Li, G., Li, Y., Tian, L., Guo, Q. y Pan, X. Proyecciones de pérdida de años de vida futuros relacionados con la temperatura para enfermedades cardiovasculares en Tianjin, China. Ciencia. Medio ambiente total. 630, 943–950 (2018).

Artículo de Google Scholar

Li, T. y col. Proyecciones a largo plazo de los riesgos de mortalidad relacionados con la temperatura por accidente cerebrovascular isquémico, accidente cerebrovascular hemorrágico y cardiopatía isquémica aguda en un clima cambiante en Beijing, China. Reinar. En t. 112, 1–9 (2018).

Artículo de Google Scholar

Li, Y., Ren, T., Kinney, PL, Joyner, A. y Zhang, W. Proyectar los impactos futuros del cambio climático sobre la mortalidad relacionada con el calor en grandes áreas urbanas de China. Reinar. Res. 163, 171–185 (2018).

Artículo de Google Scholar

Naciones Unidas. Envejecimiento de la población mundial 2017: aspectos destacados (Naciones Unidas Nueva York, 2017).

Gasparrini, A. et al. Proyecciones de exceso de mortalidad relacionada con la temperatura en escenarios de cambio climático. Planeta lanceta. Salud 1, e360–e367 (2017).

Artículo de Google Scholar

Sanderson, M., Arbuthnott, K., Kovats, S., Hajat, S. y Falloon, P. El uso de información climática para estimar la mortalidad futura debido a la alta temperatura ambiente: una revisión sistemática de la literatura. Más uno 12, e180369 (2017).

Artículo de Google Scholar

Zhang, LX, Chen, XL & Xin, XG Breve comentario sobre el proyecto de intercomparación del modelo de escenario CMIP6 (ScenarioMIP). Subir. Chang. Res. 15, 519–525 (2019).

Google Académico

Onozuka, D., Gasparrini, A., Sera, F., Hashizume, M. & Honda, Y. Proyecciones futuras del exceso de paro cardíaco extrahospitalario relacionado con la temperatura en escenarios de cambio climático en Japón. Ciencia. Medio ambiente total. 682, 333–339 (2019).

Artículo de Google Scholar

Jiang, T. y col. Población nacional y provincial proyectada hasta 2100 según las trayectorias socioeconómicas compartidas en China. Subir. Chang. Res. 13, 128-137 (2017).

Google Académico

Gu, S. y col. Proyecciones de mortalidad por causas específicas relacionadas con la temperatura en escenarios de cambio climático en una ciudad costera de China. Reinar. En t. 143, 105889 (2020).

Artículo de Google Scholar

Wang, B. y col. Impacto de la temperatura ambiente en los ingresos hospitalarios por enfermedades cardiovasculares en agricultores de los suburbios occidentales de China. Ciencia. Medio ambiente total. 761, 143254 (2021).

Artículo de Google Scholar

Zhang, Y. et al. Disparidad sociogeográfica en la carga de mortalidad cardiorrespiratoria atribuible a la temperatura ambiente en los Estados Unidos. Reinar. Ciencia. Contaminación. R. 26, 694–705 (2019).

Artículo de Google Scholar

Baccini, M. y col. Impacto del calor en la mortalidad en 15 ciudades europeas: muertes atribuibles en diferentes escenarios climáticos. J. Epidemiol. Comunitario. H. 65, 64–70 (2011).

Artículo de Google Scholar

Federación Mundial de Obesidad. Atlas mundial de la obesidad 2023. https://www.worldobesityday.org/assets/downloads/World_Obesity_Atlas_2023_Report.pdf (2023).

Ma, LY et al. Informe de enfermedades cardiovasculares de China 2018: resumen actualizado. J. Geriatr. Cardiol. 17, 1–8 (2020).

Google Académico

Comisión de Salud y Planificación Familiar de Fujian. Los logros del "Duodécimo Plan Quinquenal" en el Servicio de Salud de la Provincia de Fujian. https://wjw.fujian.gov.cn/xxgk/zfxxgkzl/zfxxgkml/ghjh/201603/t20160317_2372761.htm (2016).

O'Neill, BC y col. El Proyecto de Intercomparación de Modelos de Escenarios (ScenarioMIP) para CMIP6. Geociencias. Desarrollo de modelos. 9, 3461–3482 (2016).

Artículo de Google Scholar

Kriegler, E. y col. La necesidad y el uso de escenarios socioeconómicos para el análisis del cambio climático: un nuevo enfoque basado en vías socioeconómicas compartidas. Medio ambiente global. Chang 22, 807–822 (2012).

Artículo de Google Scholar

Zhao, S. y col. Conjuntos de datos para las simulaciones del Proyecto de intercomparación de modelos de escenarios CMIP6 (ScenarioMIP) con el modelo acoplado CAS FGOALS-f3-L. Adv. Atmos. Ciencia. 38, 329–339 (2021).

Artículo de Google Scholar

Liu, D. & Zuo, H. Reducción estadística de variables climáticas diarias para la evaluación del impacto del cambio climático en Nueva Gales del Sur, Australia. Subir. Cambio 115, 629–666 (2012).

Artículo de Google Scholar

Richardson CW, Wright DA WGEN: un modelo para generar variables meteorológicas diarias. (Departamento de Agricultura de Estados Unidos, Servicio de Investigación Agrícola, 1984).

Guo, Y. et al. Proyectar la mortalidad futura relacionada con la temperatura en las tres ciudades más grandes de Australia. Reinar. Contaminación. 208, 66–73 (2016).

Artículo de Google Scholar

Hundessa, S. y col. Proyectar posibles cambios espaciales y temporales en la distribución de la malaria por Plasmodium vivax y Plasmodium falciparum en China con el cambio climático. Ciencia. Medio ambiente total. 627, 1285-1293 (2018).

Artículo de Google Scholar

Zhao, Q. y col. Modelado de la incidencia presente y futura de la enfermedad pediátrica de manos, pies y boca asociada con la temperatura ambiente en China continental. Reinar. Salud Persp. 126, 47010 (2018).

Artículo de Google Scholar

Liu, J. y col. Proyectar el exceso de mortalidad por ola de calor y sus características bajo escenarios de cambio climático, población y adaptación. En t. J. Hyg. Reinar. Sanar. 250, 114157 (2023).

Artículo de Google Scholar

Jones, B. & O'Neill, BC Escenarios de población global espacialmente explícitos consistentes con las vías socioeconómicas compartidas. Reinar. Res. Letón. 11, 84003–84012 (2016).

Artículo de Google Scholar

Gasparrini, A., Armstrong, B. y Kenward, MG Modelos no lineales de retardo distribuido. Estadística. Medicina. 29, 2224–2234 (2010).

Artículo de Google Scholar

Gasparrini, A. et al. Riesgo de mortalidad atribuible a la temperatura ambiente alta y baja: un estudio observacional multipaís. Lanceta 386, 369–375 (2015).

Artículo de Google Scholar

Vicedo-Cabrera, AM, Sera, F. & Gasparrini, A. Tutorial práctico sobre un marco de modelado para proyecciones de los impactos del cambio climático en la salud. Epidemiología 30, 321–329 (2019).

Artículo de Google Scholar

Gasparrini, A., Armstrong, B. y Kenward, MG Metanálisis multivariado para asociaciones no lineales y otras asociaciones multiparamétricas. Estadística. Medicina. 31, 3821–3839 (2012).

Artículo de Google Scholar

Verbeke G. & Molenberghs G. Modelos lineales mixtos para datos longitudinales vol. 7 (Springer Verlag: Nueva York, 2000).

Descargar referencias

El estudio fue apoyado por la Fundación Provincial de Ciencias Naturales de la provincia de Fujian (No. 2021J01728), la Fundación de Investigación Básica y Aplicada de Guangdong (No. 2020A1515011161), la Fundación Nacional de Ciencias Naturales de China (No. 82003552) y la Start-up Fondos para introducir talentos en la Universidad Médica de Fujian (Nº XRCZX2020017). Agradecemos enormemente al Centro de Servicios de Datos Meteorológicos de China, al Grupo de Trabajo sobre Modelado Acoplado (WGCM), al grupo IAM del NCAR y al Instituto de Investigación Demográfica de la Universidad de la Ciudad de Nueva York por los datos meteorológicos disponibles públicamente, los datos de temperatura futura y la población espacial futura. datos.

Estos autores contribuyeron igualmente: Zhi-Ying Zhan, Jun Yang, Xue Zhong.

Departamento de Epidemiología y Estadísticas de Salud, Laboratorio Provincial Clave de Factores Ambientales y Cáncer de la Provincia de Fujian, Facultad de Salud Pública, Universidad Médica de Fujian, Fuzhou, 350122, Provincia de Fujian, China

Zhi-Ying Zhan, Xue Zhong, Xiao-Xu Xie y Zhi-Jian Hu

Escuela de Salud Pública, Universidad Médica de Guangzhou, Guangzhou, 511436, China

junio yang

Departamento de Industrias Primarias de Nueva Gales del Sur, Instituto Agrícola Wagga Wagga, Wagga Wagga, Nueva Gales del Sur, 2650, Australia

De-Li Liu

Centro de Investigación del Cambio Climático, Universidad de Nueva Gales del Sur, Sydney, NSW, 2052, Australia

De-Li Liu

Instituto de Investigación en Salud, Universidad Médica de Fujian, Fuzhou, 350122, Provincia de Fujian, China

Zhen-Quan Zheng

También puedes buscar este autor en PubMed Google Scholar.

Z.-JH, Z.-YZ y JY iniciaron este estudio. Z.-JH, Z.-QZ y D.-LL recogieron los datos. Z.-YZ, XZ y D.-LL limpiaron y analizaron los datos. Z.-YZ, JY y XZ redactaron el manuscrito con importantes aportaciones de Z.-JH, Z.-QZ y X.-XXZ-YZ, JY y XZ contribuyeron por igual y se consideran coprimeres autores.

Correspondencia a Zhi-Jian Hu.

Los autores declaran no tener conflictos de intereses.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Zhan, ZY., Yang, J., Zhong, X. et al. Futuras hospitalizaciones relacionadas con la temperatura por enfermedades cardiovasculares entre los residentes rurales del sureste de China teniendo en cuenta el envejecimiento de la población. npj Clim Atmos Sci 6, 112 (2023). https://doi.org/10.1038/s41612-023-00439-7

Descargar cita

Recibido: 31 de diciembre de 2022

Aceptado: 24 de julio de 2023

Publicado: 05 de agosto de 2023

DOI: https://doi.org/10.1038/s41612-023-00439-7

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Noticias