23 septiembre 2021

Carga mundial, regional y nacional de mortalidad asociada con temperaturas ambientales no óptimas de 2000 a 2019: un estudio de modelado de tres etapas

Este estudio de julio de 2021 en la reconocida revista médica The Lancet muestra que el calor causa actualmente poco más del uno por ciento de todas las muertes globales.También mostró que el frío mata más de ocho veces más: más de 4,5 millones de personas cada año. Las muertes por frío no solo son más frecuentes en las zonas frías, sino sorprendentemente en todo el mundo.A medida que aumentan las temperaturas, el frío matará cada vez a menos personas. The Lancet estima que el cambio climático en las últimas dos décadas ha aumentado las muertes por calor en un 0,21%, pero ha disminuido las muertes por frío en un 0,51% mucho mayor.Con la población actual, ese cambio significa que el calentamiento global en realidad evita 166.000 muertes relacionadas con la temperatura cada año.

 

Fuente: The Lancet

(Traducido)

Resumen

Fondo

La exposición a temperaturas frías o calientes se asocia con muertes prematuras. Nuestro objetivo era evaluar la carga de mortalidad mundial, regional y nacional asociada con temperaturas ambientales no óptimas.

Métodos

En este estudio de modelado, recopilamos datos de series de tiempo sobre mortalidad y temperatura ambiente de 750 ubicaciones en 43 países y cinco metapredectores con un tamaño de cuadrícula de 0 · 5 ° × 0 · 5 ° en todo el mundo. Se utilizó una estrategia de análisis de tres etapas. En primer lugar, se ajustó la asociación temperatura-mortalidad para cada ubicación mediante el uso de una regresión de series de tiempo. En segundo lugar, se construyó un modelo de metarregresión multivariante entre estimaciones específicas de la ubicación y metapredectores. Finalmente, la asociación de temperatura-mortalidad específica de la cuadrícula entre 2000 y 2019 se predijo mediante el uso de la metarregresión ajustada y los metapredectores específicos de la cuadrícula. Exceso de muertes debido a temperaturas no óptimas, la relación entre el exceso anual de muertes y todas las muertes de un año (la tasa de exceso de muertes), y luego se calculó la tasa de mortalidad por cada 100 000 residentes para cada cuadrícula en todo el mundo. Las cuadrículas se dividieron según agrupaciones regionales de la División de Estadística de las Naciones Unidas.

Recomendaciones

A nivel mundial, 5 083 173 muertes (95% IC empírico [eCI] 4 087 967-5 965 520) se asociaron con temperaturas no óptimas por año, lo que representa el 9,43% (95% eCI 7,58-11,07) de todas las muertes (8 · 52% [6 · 19-10 · 47] estaban relacionadas con el frío y 0 · 91% [0 · 56–1 · 36] estaban relacionadas con el calor). Hubo 74 muertes excesivas relacionadas con la temperatura por cada 100 000 residentes (95% eCI 60-87). La carga de mortalidad varió geográficamente. De todas las muertes en exceso, 2 617 322 (51,49%) se produjeron en Asia. Europa del Este tuvo la tasa más alta de muerte excesiva relacionada con el calor y África subsahariana tuvo la tasa más alta de muerte excesiva relacionada con el frío. De 2000-03 a 2016-19, la tasa global de muerte excesiva relacionada con el frío cambió en −0 · 51 puntos porcentuales (95% eCI −0 · 61 a −0 · 42) y la tasa global de muerte excesiva relacionada con el calor aumentó en 0 · 21 puntos porcentuales (0 · 13–0 · 31), lo que lleva a una reducción neta en el índice general.

Interpretación

Las temperaturas no óptimas se asocian con una carga de mortalidad sustancial, que varía espacio-temporal. Nuestros hallazgos beneficiarán a las comunidades internacionales, nacionales y locales en el desarrollo de estrategias de preparación y prevención para reducir los impactos relacionados con el clima de inmediato y en escenarios de cambio climático.

Fondos

Australian Research Council y Australian National Health and Medical Research Council.

Introducción

La temperatura media de la superficie de la Tierra ha aumentado a una tasa de 0,07 ° C por década desde 1880, una tasa que casi se ha triplicado desde la década de 1990.

La aceleración del calentamiento global ha provocado que 19 de los 20 años más calurosos ocurran después del 2000 y una frecuencia, intensidad y duración sin precedentes de eventos de temperaturas extremas. , como olas de calor, en todo el mundo. La exposición a temperaturas no óptimas se ha asociado con una variedad de resultados adversos para la salud (por ejemplo, exceso de mortalidad y morbilidad por diversas causas).

Todas las poblaciones del mundo se encuentran bajo ciertas amenazas de temperaturas no óptimas, independientemente de su origen étnico, ubicación, sexo, edad y nivel socioeconómico. Por ejemplo, en China, el 14,3% de la mortalidad no accidental en 2013-15 podría haber estado relacionada con temperaturas no óptimas, con un 11,6% de muertes explicables por exposición al frío y un 2,7% explicables por exposición al calor.

 En los EE. UU., El riesgo de mortalidad aumentó entre un 5% y un 12% debido a la exposición al frío y entre un 5% y un 10% debido a la exposición al calor entre 2000 y 2006.

 También se ha informado de una asociación entre la temperatura ambiente y el riesgo de mortalidad en India, Australia, la UE, Sudáfrica y otros países y regiones.

Investigación en contexto

Evidencia antes de este estudio
La asociación entre temperaturas no óptimas y muertes prematuras se ha informado con frecuencia, y la fuerza varía entre diferentes poblaciones. Sin embargo, la carga de mortalidad atribuible a temperaturas no óptimas en países y regiones no se ha cuantificado bien a nivel mundial. Se realizaron búsquedas en PubMed, Scopus, Web of Science y Google Scholar en busca de estudios publicados en inglés entre el inicio de la base de datos y el 20 de octubre de 2020 que exploren la carga de mortalidad relacionada con la temperatura. Usamos una combinación de términos de búsqueda, que incluyen “temperatura”, “mortalidad”, “carga de mortalidad”, “muerte”, “muerte excesiva” y “atribuible”. La mayoría de los estudios anteriores cuantificaron la carga de mortalidad relacionada con la temperatura dentro de un solo país o un área pequeña (por ejemplo, varias ciudades de Europa). Un estudio exploró este tema en 13 países o territorios.
Valor agregado de este estudio
Hasta donde sabemos, este estudio es el primero en proporcionar una descripción global de la carga de mortalidad atribuible a temperaturas no óptimas y el cambio temporal a una resolución espacial de 0 · 5 ° × 0 · 5 ° entre 2000 y 2019 — el período más caluroso desde la era preindustrial. Modelamos la variación en la relación exposición-respuesta entre temperatura y mortalidad, reduciendo las incertidumbres de la carga de mortalidad, utilizando datos sobre más de 130 millones de muertes de 43 países, que se encuentran en los cinco continentes y se caracterizan por diferentes climas, socioeconómicos, demográficos y niveles de desarrollo de infraestructura y servicios de salud pública. El gran tamaño de la muestra y su representatividad mejoraron la generalizabilidad de nuestros resultados. Encontramos que 5 083 173 muertes se asociaron con temperaturas no óptimas por año, representa el 9,43% de todas las muertes y equivale a 74 muertes en exceso por cada 100 000 habitantes. La mayoría de estas muertes excesivas se explican por las bajas temperaturas. La carga de mortalidad relacionada con la temperatura mostró una variación geográfica sustancial. De todas las muertes en exceso, más de la mitad se produjeron en Asia, especialmente en Asia oriental y meridional. Europa del Este tuvo la tasa más alta de muerte excesiva relacionada con el calor y África subsahariana tuvo la tasa más alta de muerte excesiva relacionada con el frío. La temperatura media diaria promedio de las rejillas estudiadas aumentó en 0 · 26 ° C por década entre 2000 y 2019, en consonancia con la gran disminución en la tasa de muerte excesiva relacionada con el frío y el aumento moderado en la tasa de muerte excesiva relacionada con el calor. Sin embargo, en conjunto, la tasa global de muertes en exceso disminuyó.
Implicaciones de toda la evidencia disponible
Nuestros hallazgos pueden ayudar a comprender el impacto de los eventos de temperatura en la salud de la población a nivel mundial y entre países o regiones y dentro de ellos. A nivel mundial, los resultados indican que el calentamiento global podría reducir levemente las muertes netas relacionadas con la temperatura en el corto plazo, aunque, a largo plazo, se espera que el cambio climático aumente la carga de mortalidad. Es importante considerar los patrones geográficos dispares de la carga de mortalidad relacionada con la temperatura al desarrollar políticas y estrategias de mitigación y adaptación al cambio climático y protección de la salud.
A pesar de la creciente evidencia de la asociación temperatura-mortalidad, la carga relevante de mortalidad atribuible a temperaturas no óptimas no ha sido bien cuantificada a nivel de país y región. El Estudio de la carga mundial de enfermedades, lesiones y factores de riesgo (GBD) de 2019 mostró que las temperaturas no óptimas se encuentran entre las diez principales causas de muerte en todo el mundo.

GBD 2019 representa un progreso en la cuantificación de la carga mundial de mortalidad atribuible a temperaturas no óptimas. Sin embargo, considerando que el estudio solo usó datos de mortalidad para temperaturas no óptimas de ocho países, es difícil extrapolar los hallazgos a nivel global. Además, GBD 2019 solo usó 12 causas de mortalidad para calcular la mortalidad por todas las causas y no consideró la variación espacio-temporal en las curvas de exposición-respuesta entre temperatura y mortalidad.

Se requiere el análisis de big data para resolver las diferencias entre estudios en el modelado, la parametrización y la interpretación de resultados. Desarrollamos la Red de investigación colaborativa de múltiples países y ciudades (MCC) en 2014 para evaluar sistemáticamente el riesgo de mortalidad relacionado con la temperatura en todos los países y regiones utilizando una metodología unificada.

 Los estudios de MCC utilizaron un análisis de tres etapas para calcular la carga de mortalidad atribuible a temperaturas no óptimas y estimaron que el 7,71% del total de muertes en 13 países o territorios fueron atribuibles a temperaturas no óptimas entre 1985 y 2012 en el contexto de la red MCC.

La red de MCC se ha expandido en los últimos años, con datos sobre la mortalidad de series de tiempo y las condiciones climáticas actualizadas a 750 ubicaciones representativas en 43 países o territorios. Estos países o territorios representan el 46,3% de la población mundial.

Debido a la inevitabilidad del cambio climático, es urgentemente importante brindar una visión global de la carga de mortalidad relevante e impulsar y desarrollar estrategias intergubernamentales contra los impactos en la salud de los eventos de temperatura. Por lo tanto, nuestro objetivo fue evaluar el número global, regional y nacional de exceso de muertes asociadas con temperaturas ambientales no óptimas utilizando los últimos datos de MCC y una estrategia de análisis de tres etapas.

Métodos

 Fuentes de datos

La red MCC recopila y actualiza diariamente datos de series de tiempo sobre la mortalidad y las condiciones climáticas de varios países. Los detalles se han descrito en publicaciones anteriores.

El último conjunto de datos cubre 750 ubicaciones en 43 países o territorios (dos países en América del Norte, 13 en América Latina y el Caribe, 17 en Europa, nueve en Asia, uno en África y uno en Oceanía; apéndice p 4 ). La Figura 1 muestra las 750 ubicaciones con sus temperaturas medias diarias promedio durante los períodos de recopilación de datos. En el apéndice se proporciona una descripción detallada de los datos por continente y país (págs. 2, 4).. Para cada ubicación, la mortalidad se representó mediante recuentos diarios de muertes por todas las causas. Cuando no se disponía de esos datos, la mortalidad estaba representada por recuentos diarios de muertes como resultado de causas no externas (Clasificación Internacional de Enfermedades-9 códigos 0–799 o Clasificación Internacional de Enfermedades-10 códigos A00-R99). Desarrollamos nuestro modelo utilizando datos sobre 130 217 521 muertes de los 43 países incluidos.

Miniatura de la figura gr1
Figura 1 Temperaturas medias diarias promedio de las 750 ubicaciones de los 43 países o territorios incluidos en el análisis
Las temperaturas máximas y mínimas diarias entre el 1 de enero de 2000 y el 31 de diciembre de 2019 se recopilaron del conjunto de datos de temperatura diaria global (tamaño de cuadrícula 0 · 5 ° × 0 · 5 °) del Centro de Predicción del Clima. Este conjunto de datos se desarrolló mediante el uso de un algoritmo Shepard con datos de observación de 6000 a 7000 estaciones de monitoreo meteorológico en todo el mundo.

como punto de referencia para una gama de productos de reanálisis y modelos de cambio climático. La temperatura media diaria se calculó promediando las temperaturas máximas y mínimas diarias. Los datos anuales sobre el producto interno bruto (PIB; estandarizado a la tasa de 2005) y la población fueron proporcionados por el Global Carbon Project con una resolución espacial de 0 · 5 ° × 0 · 5 ° por 10 años entre 1980 y 2010,

que se utilizaron para calcular el PIB per cápita de cada cuadrícula. Además, los datos del PIB y la población en la coordenada central de cada ubicación se interpolaron y extrapolaron a la mitad del año de la recopilación de datos para calcular el PIB per cápita promedio específico de la ubicación durante el período. La tasa de mortalidad anual en cada país en 2010 se extrajo del Banco Mundial .

 análisis estadístico

La carga de mortalidad relacionada con la temperatura se estimó con una resolución espacial de 0 · 5 ° × 0 · 5 ° ampliando el enfoque metaanalítico de tres etapas que ha sido justificado por nuestros estudios anteriores de MCC.

La innovación metodológica clave de este estudio es su predicción de la asociación temperatura-mortalidad para áreas sin datos de series de tiempo diarias sobre mortalidad. En el apéndice (p. 2) se proporciona una explicación de la metodología .

Brevemente, en la primera etapa, la asociación temperatura-mortalidad para cada una de las 750 ubicaciones se estimó mediante el uso de una regresión cuasi-Poisson con un modelo no lineal de retardo distribuido,

Yyo t∼ (μyo t) registro (μyo t) =α+cb (Temperaturayo tretraso 21 ) +ns(Tiempoyo tgl año βOWyo t,YItpagoIssonorte(μIt)Iniciar sesión(μIt)=α+cb(TemperaturaIt,retraso=21)+ns(TiempoIt,df=8/año+βDOWIt,
donde que es los recuentos de las muertes en el día t en ubicación i ; α es la intersección; cb es la función de base cruzada de dos splines cúbicos naturales para la temperatura durante 0-21 días de rezago, con tres nudos internos colocados en los percentiles décimo, 75o y 90o de temperatura y una intersección y tres nudos internos colocados a valores igualmente espaciados en el escala logarítmica de días de retraso; ns es la spline cúbica natural del tiempo con ocho gl por año para controlar las tendencias a largo plazo y la estacionalidad; DOW y que es una variable categórica para el día de la semana.
En la segunda etapa, recopilamos predictores específicos de la ubicación que podrían explicar la mayor parte de la heterogeneidad en las asociaciones de temperatura y mortalidad entre las ubicaciones. Se construyó un modelo de metarregresión multivariante entre la asociación acumulativa reducida para cada ubicación y cinco metapredectores específicos de la ubicación (es decir, los continentes, indicadores para la clasificación climática de Köppen-Geiger,

PIB per cápita, el promedio anual de la temperatura media diaria y el rango de la temperatura media diaria). Se ha demostrado que estos predictores explican la heterogeneidad de las asociaciones específicas de la ubicación.

En la tercera etapa extendida, la asociación temperatura-mortalidad entre 2000 y 2019 se predijo para cada cuadrícula individualmente mediante el uso de la metarregresión ajustada de la segunda etapa y los cinco metaprodictores a nivel de cuadrícula. La referencia se estableció en el valor de temperatura asociado con el menor riesgo de mortalidad (la temperatura mínima de mortalidad). El PIB per cápita en 2010 se utilizó para representar el promedio específico de la red entre 2000 y 2019. A nivel mundial, existen numerosas redes con una población muy baja o nula. Para mejorar la estabilidad del modelado, los análisis se restringieron a cuadrículas con un tamaño de población perceptible, que se definió como cuadrículas con al menos una muerte al año. Las muertes anuales en cada cuadrícula se calcularon sobre la base de la tasa de mortalidad anual del país en el que se ubicó la cuadrícula y los recuentos de población en la cuadrícula en 2010. Este cálculo asumió una tasa de mortalidad idéntica en todas las cuadrículas del país. Excluir las cuadrículas con un tamaño de población imperceptible significó que 48 909 de 74 812 cuadrículas se incluyeron en los modelos, lo que representa el 99,995% de la población mundial.
Para cada cuadrícula i en un día específico t , el exceso de muertes debido a temperaturas no óptimas (ED it ) se calcularon como:

ED es = (RR es  - 1) × D i , donde RR que es el riesgo relativo acumulativo extraído de la asociación-mortalidad temperatura de la red específica predicho en la tercera etapa y D ies el promedio diario de muertes anuales en 2010 para capturar la carga de mortalidad derivada puramente por el cambio de temperatura de 2000 a 2019. Se sumaron los recuentos diarios para obtener el exceso anual de muertes. Los IC empíricos (eCI) se calcularon mediante el uso de simulaciones de Monte Carlo (500 muestras) para cuantificar la incertidumbre en la estimación del exceso de muertes. Además, también se calculó la razón entre el exceso anual de muertes y todas las muertes de un año (es decir, la tasa de exceso de muertes) y la tasa anual de exceso de muertes por cada 100 000 residentes. Para una evaluación sistemática, la carga de mortalidad relacionada con la temperatura se describió como debida a todas las temperaturas frías no óptimas y todas las temperaturas calientes no óptimas. Las temperaturas frías y calientes se definieron como temperaturas inferiores o superiores a la temperatura mínima de mortalidad. En la interpretación de nuestros resultados,

El cambio temporal en la carga relacionada con la temperatura se exploró como un cambio por década en la tasa y la tasa de mortalidad en exceso, y también como un cambio en la tasa de mortalidad en exceso por región en comparación con el promedio de 2000–03. Para comparar nuestros resultados con los de GBD 2019, los 43 países de la red MCC se agruparon en los siete países incluidos en GBD 2019 (excepto Nueva Zelanda debido a la escasez de datos) y los 36 países restantes. Se realizó un análisis clásico de series de tiempo en dos etapas mediante el uso de una escala de temperatura relativa que considera los diversos rangos de temperatura entre ubicaciones. Se calculó el riesgo relativo combinado de mortalidad por percentil de temperatura para los dos grupos.
Aunque las parametrizaciones en los dos primeros pasos se han justificado previamente,

todavía probamos la solidez de los hallazgos principales a través de una serie de análisis de sensibilidad (por ejemplo, cambiando el retraso máximo de 21 días a 28 días y las posiciones o números de nudos para las dimensiones de temperatura o retraso), una lista de los cuales puede ser que se encuentra en el apéndice (apéndice p 10) .

Todos los análisis de datos se realizaron mediante el uso del software R, versión 3.4.3. Se utilizó el paquete dlnm para ajustar el modelo no lineal de retardo distribuido y el paquete mvmeta se utilizó para ajustar la metarregresión multivariante.

 Papel de la fuente de financiación

Los patrocinadores del estudio no tuvieron ningún papel en el diseño del estudio, la recopilación de datos, el análisis de datos, la interpretación de datos o la redacción del informe.

Resultados

Entre el 1 de enero de 2000 y el 31 de diciembre de 2019, la temperatura media diaria promedio fue de 15 · 23 ° C (DE 10 · 40) en cuadrículas con un tamaño de población perceptible ( apéndice pp 5, 11 ). Europa del Este tuvo la temperatura media diaria más fría (2 · 36 ° C [DE 5 · 06]) y los climas más cálidos aparecieron en el Sudeste de Asia (26 · 35 ° C [2 · 19]) y regiones de Oceanía distintas de Australia y Nueva Zelanda (26 · 05 ° C [1 · 90]; apéndice p 5 ). La temperatura ambiente diaria media mundial aumentó a una tasa promedio de 0 · 26 ° C por década (DE 0 · 44) entre 2000 y 2019, variando desde la tasa de aumento más alta en otras regiones de Oceanía (0 · 48 ° C por década [0 · 23]) a la temperatura que disminuye a una tasa de −0 · 16 ° C por década (0 · 53) en el sur de Asia ( apéndice p 5 ).
A nivel mundial, 5 083 173 muertes (95% eCI 4 087 967–5 965 520) se asociaron con temperaturas no óptimas por año, que consisten en 4594098 muertes relacionadas con el frío (3337222–5 640 617) y 489075 calor -muertes relacionadas (304 216–732 518; tabla 1 ). De todas las muertes en exceso, el 51,49% se produjo en Asia, el 23,8% en África, el 16,44% en Europa, el 7,70% en las Américas y el 0,48% en Oceanía ( tabla 1 ) . La mayoría de las redes con una alta densidad de exceso de muertes se encontraban en ciudades costeras grandes, bajas y abarrotadas en Asia oriental y meridional y en ciudades de Europa oriental y occidental ( figura 2 ).

Cuadro 1 Promedio anual de muertes excesivas debido a temperaturas no óptimas y proporciones regionales para 2000-19 por continente y región
En general Relacionado con el resfriado Relacionado con el calor
Número de muertes en exceso (95% eCI) Proporción regional Número de muertes en exceso (95% eCI) Proporción regional Número de muertes en exceso (95% eCI) Proporción regional
Global 5083 173 (4087 967–5 965 520) 100 · 00% 4594098 (3337222–5 640 617) 100 · 00% 489075 (304216–732 518) 100 · 00%
Américas 391 469 (349949–434 634) 7 · 70% 334 710 (294 660–385 116) 7 · 29% 56 759 (29 551–93 707) 11 · 61%
América del norte 191414 (164919–219 455) 3 · 77% 171350 (148 863–196 266) 3 · 73% 20 064 (8703–35 204) 4 · 10%
Latinoamerica y el caribe 200 055 (181 608–227 270) 3 · 94% 163360 (134 007–194 240) 3 · 56% 36 695 (20 064–59 526) 7 · 50%
Europa 835 897 (740 194–929 440) 16 · 44% 657 185 (585 782–723 962) 14 · 30% 178712 (142070–227 795) 36 · 54%
Norte de Europa 85 878 (75 113–96 426) 1 · 69% 71445 (63 009–78 495) 1 · 56% 14 433 (10 658-19 559) 2 · 95%
Europa del sur 166 485 (151444-181 291) 3 · 28% 130 312 (118 584–140 789) 2 · 84% 36 173 (29 677–45 340) 7 · 40%
Europa Oriental 173037 (153969-191 754) 3 · 40% 140 271 (125698-153 056) 3 · 05% 32 766 (25 376–42 719) 6·70%
Eastern Europe 410 497 (357 620–459 748) 8·08% 315 157 (274 617–352 139) 6·86% 95 340 (76 914–120 295) 19·49%
Africa 1 214 035 (140 886–2 213 802) 23·88% 1 188 486 (106 557–2 197 519) 25·87% 25 549 (15 385–38 113) 5·22%
Northern Africa 125 446 (27 007–206 661) 2·47% 118 265 (17 586–202 043) 2·57% 7181 (4774–10 237) 1·47%
Sub-Saharan Africa 1 088 589 (114 390–1 995 715) 21·42% 1 070 221 (88 971–1 984 511) 23·30% 18 368 (10 831–27 876) 3·76%
Asia 2 617 322 (2 345 204–2 857 273) 51·49% 2 393 300 (2 183 014–2 625 909) 52·10% 224 022 (112 925–366 535) 45·81%
Central Asia 40 461 (35 952–44 266) 0·80% 37 802 (34 426–41 543) 0·82% 2659 (957–4961) 0·54%
Southern Asia 1 025 049 (901 671–1 137 823) 20·17% 913 436 (819 340–1 019 089) 19·88% 111 613 (61 937–173 188) 22·82%
Western Asia 126 815 (113 180–138 871) 2·49% 118 111 (107 252–130 991) 2·57% 8704 (3423–15 778) 1·78%
Eastern Asia 1 235 428 (1 137 659–1 318 445) 24 · 30% 1 155 656 (1 078 254–1 247 619) 25 · 16% 79 772 (35 814-139 634) 16 · 31%
Asia sudoriental 189 569 (158500-216 544) 3 · 73% 168 295 (142 100-193 278) 3 · 66% 21 274 (9498–36 426) 4 · 35%
Oceanía 24 450 (15 401–35 023) 0 · 48% 20 417 (12 874–28 406) 0 · 44% 4033 (1029–8423) 0 · 82%
Australia y Nueva Zelanda 19 324 (11 623-28 490) 0 · 38% 16 684 (10 751 a 23 579) 0 · 36% 2640 (424–6056) 0 · 54%
Otras regiones de Oceanía

5126 (2718–7597) 0 · 10% 3733 (1945–5566) 0 · 08% 1393 (504–2566) 0 · 28%
eCI = CI empíricos.
Otras regiones de Oceanía se definen como todas las áreas fuera de Australia y Nueva Zelanda en Oceanía. Todas las demás regiones de la tabla se definen de acuerdo con las agrupaciones regionales de la División de Estadística de las Naciones Unidas (M49).
Miniatura de la figura gr2
Figura 2 Promedio anual de muertes en exceso debido a temperaturas no óptimas en 2000-19 con una resolución espacial de 0 · 5 ° × 0 · 5 °
El exceso promedio de muertes relacionadas con temperaturas no óptimas representó el 9,43% (95% eCI 7,58-11,07) de las muertes mundiales (74 muertes por cada 100 000 habitantes), con un 8,52% de las muertes explicables por las bajas temperaturas (67 muertes por 100 000 habitantes) y 0,91% explicable por las altas temperaturas (siete muertes por 100 000 habitantes; tabla 2 ). El exceso de tasa de mortalidad y tasa por 100 000 habitantes mostró diferencias regionales. Por ejemplo, en comparación con el promedio mundial, las tasas de mortalidad excesivas fueron casi el doble en Europa oriental y África subsahariana y algo menos de la mitad en América Latina y el Caribe y Asia sudoriental ( cuadro 2). Específicamente, África subsahariana tuvo la tasa de mortalidad excesiva relacionada con el frío más alta del mundo y la tasa de mortalidad excesiva relacionada con el calor en Europa del Este fue casi cinco veces mayor que el promedio mundial ( tabla 2 ). Europa fue el único continente donde las tasas de exceso de mortalidad relacionadas con el frío y el calor fueron más altas que el promedio mundial. Los mapas de la tasa y la tasa de mortalidad excesiva específica de la cuadrícula (0 · 5 ° × 0 · 5 °) proporcionan una descripción más detallada de la carga de mortalidad relacionada con la temperatura en las poblaciones de todo el mundo ( figura 3 ; apéndice p 12 ). Por ejemplo, a pesar de las bajas tasas promedio de exceso de mortalidad en América Latina y el Caribe, los valores específicos de la red fueron más altos en la costa occidental ( apéndice p. 12).). Las tasas excesivas de mortalidad y las tasas asociadas con temperaturas no óptimas fueron más altas en los climas polares y alpinos que en otras zonas climáticas (indicadores de la clasificación de Köppen-Geiger), con la mayoría de los casos asociados con la exposición al calor ( apéndice p 6 ).

Cuadro 2 Tasa de exceso de muertes y muertes por 100 000 residentes debido a temperaturas no óptimas en 2000-19 por continente y región
Exceso de tasa de muerte (95% eCI) Exceso de muertes por 100 000 habitantes (95% eCI)
En general Relacionado con el resfriado Relacionado con el calor En general Relacionado con el resfriado Relacionado con el calor
Global 9 · 43% (7 · 58–11 · 07) 8 · 52% (6 · 19–10 · 47) 0 · 91% (0 · 56–1 · 36) 74 (60–87) 67 (49–82) 7 (4–11)
Américas 6 · 33% (5 · 66–7 · 03) 5 · 41% (4 · 76–6 · 23) 0 · 92% (0 · 48–1 · 52) 42 (38–47) 36 (32–41) 6 (3–10)
América del norte 7 · 04% (6 · 07–8 · 07) 6 · 30% (5 · 48–7 · 22) 0 · 74% (0 · 32–1 · 30) 56 (48–64) 50 (43–57) 6 (3–10)
Latinoamerica y el caribe 5 · 77% (5 · 24–6 · 56) 4 · 71% (3 · 87–5 · 60) 1 · 06% (0 · 58–1 · 72) 34 (31–39) 28 (23–33) 6 (3–10)
Europa 10 · 27% (9 · 09-11 · 41) 8 · 07% (7 · 19–8 · 89) 2 · 19% (1 · 74–2 · 80) 113 (100-126) 89 (79–98) 24 (19–31)
Norte de Europa 9 · 42% (8 · 24–10 · 58) 7 · 84% (6 · 91–8 · 61) 1 · 58% (1 · 17–2 · 15) 87 (76–97) 72 (64–79) 15 (11-20)
Europa del sur 11 · 14% (10 · 14-12 · 14) 8 · 72% (7 · 94–9 · 42) 2 · 42% (1 · 99–3 · 04) 107 (98-117) 84 (76–91) 23 (19-29)
Europa Oriental 9 · 72% (8 · 65-10 · 77) 7 · 88% (7 · 06–8 · 60) 1 · 84% (1 · 43–2 · 40) 92 (82-102) 74 (67–81) 17 (13-23)
Europa del Este 10 · 37% (9 · 04-11 · 62) 7 · 96% (6 · 94–8 · 90) 2 · 41% (1 · 94–3 · 04) 139 (121-156) 107 (93-119) 32 (26–41)
África 11 · 77% (1 · 37–21 · 45) 11 · 52% (1 · 03–21 · 30) 0 · 25% (0 · 15–0 · 37) 119 (14-217) 116 (10–215) 3 (2-4)
Africa del Norte 9 · 73% (2 · 09–16 · 03) 9 · 17% (1 · 36-15 · 67) 0 · 56% (0 · 37–0 · 79) 60 (13–99) 57 (8–97) 3 (2-5)
Africa Sub-sahariana 12 · 06% (1 · 27–22 · 10) 11 85% (0 99-21 98) 0 · 20% (0 · 12–0 · 31) 134 (14–246) 132 (11–244) 2 (1-3)
Asia 9·02% (8·08–9·85) 8·25% (7·53–9·05) 0·77% (0·39–1·26) 63 (57–69) 58 (53–63) 5 (3–9)
Central Asia 10·40% (9·25–11·38) 9·72% (8·85–10·68) 0·68% (0·25–1·28) 67 (59–73) 62 (57–68) 4 (2–8)
Southern Asia 8·33% (7·33–9·25) 7·43% (6·66–8·29) 0·91% (0·50–1·41) 60 (53–67) 54 (48–60) 7 (4–10)
Western Asia 10·60% (9·46–11·61) 9·87% (8·96–10·95) 0·73% (0·29–1·32) 55 (49–60) 51 (46–56) 4 (1–7)
Eastern Asia 10·96% (10·09–11·70) 10·25% (9·57–11·07) 0·71% (0·32–1·24) 80 (73–85) 75 (70–80) 5 (2–9)
South-eastern Asia 4·92% (4·11–5·62) 4·37% (3·69–5·02) 0·55% (0·25–0·95) 32 (27–36) 28 (24–33) 4 (2–6)
Oceania 10·12% (6·38–14·50) 8·45% (5·33–11·76) 1·67% (0·43–3·49) 70 (44–100) 58 (37–81) 11 (3–24)
Australia and New Zealand 11·16% (6·71–16·45) 9·63% (6·21–13·61) 1·52% (0·24–3·50) 73 (44–107) 63 (40–89) 10 (2–23)
Other regions in Oceania

7·51% (3·98–11·12) 5·47% (2·85–8·15) 2·04% (0·74–3·76) 60 (32–89) 44 (23–65) 16 (6–30)
eCI = CI empíricos.
Otras regiones de Oceanía se definen como todas las áreas fuera de Australia y Nueva Zelanda en Oceanía. Todas las demás regiones de la tabla se definen de acuerdo con las agrupaciones regionales de la División de Estadística de las Naciones Unidas (M49).
Miniatura de la figura gr3
Figura 3 Tasa de exceso de muerte anual promedio y cambio en la tasa de muerte de exceso anual promedio por década debido a temperaturas no óptimas en 2000-19 con una resolución espacial de 0 · 5 ° × 0 · 5 °
Desde 2000-03 hasta 2016-19, la tasa global de muerte en exceso cambió en −0 · 51 puntos porcentuales (95% eCI −0 · 61 a −0 · 42) para temperaturas frías y aumentó en 0 · 21 puntos porcentuales (0 · 13–0 · 31) para temperaturas cálidas, lo que resulta en una disminución neta de −0 · 30 puntos porcentuales (–0 · 44 a −0 · 13; apéndice págs. 7-9 ). La Figura 4 muestra el cambio temporal en la tasa de exceso de muertes por región, en comparación con el promedio de 2000–03. Desde 2000-03 hasta 2016-19, la tasa de muerte excesiva relacionada con el frío disminuyó en la mayoría de las regiones, excepto en el norte de Europa y el sur de Asia ( figura 4). La mayor disminución de la tasa de mortalidad excesiva relacionada con el frío se produjo en el sudeste de Asia y otras regiones de Oceanía. La tasa de muerte excesiva relacionada con el calor aumentó en la mayoría de las regiones entre 2000-03 y 2016-19, especialmente en Europa y Oceanía ( figura 4 ). Sin embargo, las tasas cambiantes de las tasas de exceso de muertes relacionadas con el frío y el calor dieron como resultado diferentes cargas netas relacionadas con la temperatura para 2016-19 en cada región. La proporción neta disminuyó sustancialmente en África, Oceanía y Asia sudoriental, pero aumentó en Asia meridional y Europa con un patrón fluctuante. Figura 3 y apéndice (p. 12)muestran la naturaleza cambiante por década de la tasa y la tasa de muerte en exceso a una resolución espacial de 0 · 5 ° × 0 · 5 °. Se pudo observar una mayor disparidad geográfica dentro de las regiones. Por ejemplo, las áreas del norte de América Latina y el Caribe tuvieron una disminución más sustancial en la tasa de exceso de muertes relacionadas con el frío por década que otras áreas de este continente ( figura 3 ).

Miniatura de la figura gr4
Figura 4 Cambio regional en la tasa anual de exceso de muertes entre 2000 y 2019 en comparación con el promedio de 2000-03
Debido a varias limitaciones en la metodología de GBD 2019, los autores podrían haber subestimado la carga de mortalidad relacionada con la temperatura global. De hecho, en nuestro análisis de series de tiempo, el riesgo relativo de mortalidad por temperaturas frías y calientes fue menor para el grupo de países en GBD 2019 que para los 36 países restantes de la red MCC ( apéndice p 13 ). Además, los resultados de nuestros análisis de sensibilidad indican que nuestros principales hallazgos son robustos bajo una serie de cambios de parámetros durante el modelado ( apéndice p 10 ).

Discusión

Este estudio estimó la carga global de mortalidad asociada con temperaturas no óptimas a una resolución espacial de 0 · 5 ° × 0 · 5 °, y exploró el cambio temporal de 2000 a 2019. Encontramos que hubo 5 083 173 muertes por año asociados con temperaturas no óptimas, que representan el 9,43% de las muertes mundiales y equivalen a 74 muertes en exceso relacionadas con la temperatura por cada 100 000 habitantes. La mayoría de las muertes en exceso se relacionaron con las bajas temperaturas (8,52%), mientras que menos se relacionaron con las altas temperaturas (0,91%). A nivel mundial, de 2000-03 a 2016-19, la tasa de muerte excesiva relacionada con el frío cambió en −0 · 51 puntos porcentuales y la tasa de muerte en exceso relacionada con el calor aumentó en 0 · 21 puntos porcentuales, lo que llevó a una disminución neta de −0 · 30 puntos porcentuales. La carga de mortalidad relacionada con la temperatura y sus cambios temporales mostraron variaciones geográficas dispares.
La evidencia previa muestra que la fuerza de la asociación temperatura-mortalidad puede ser modificada por factores geográficos, climatológicos, socioeconómicos y demográficos a nivel poblacional.

Para octubre de 2020, solo unos pocos estudios habían cuantificado la variación de la carga de mortalidad relacionada con la temperatura entre países y territorios. Con base en datos de 74 millones de muertes de 13 países o territorios, un estudio anterior del MCC estimó que el 7,71% del total de muertes podría atribuirse a temperaturas no óptimas, con una carga que varía geográficamente.

Por ejemplo, en Asia, la fracción de mortalidad atribuible a la temperatura fue mucho más baja en Tailandia (3 · 37%) que en China (11 · 00%). Otro estudio que utilizó variables similares estimó que la fracción de mortalidad atribuible a la temperatura en la India fue del 7,3%.

A pesar de utilizar diferentes índices de resultados, estos resultados son en gran medida consistentes con nuestros hallazgos. Por el contrario, GBD 2019 informó una carga de mortalidad relacionada con la temperatura global más baja (casi 4%) que nosotros.

Existen más inconsistencias para las estimaciones regionales. Por ejemplo, GBD 2019 estimó que la carga de mortalidad por temperaturas cálidas es mayor que la carga de mortalidad por temperaturas frías en el sur de Asia, lo que es opuesto a los hallazgos de nuestro estudio y un informe anterior basado en datos observacionales diarios de muertes.

Una posible explicación es que GBD 2019 estimó la carga relacionada con la temperatura global sobre la base de datos de solo ocho países, incluidos cinco países de América Latina y el Caribe. Esta escasez de datos podría haber introducido un problema de representación. Además, el cálculo de la carga de mortalidad relacionada con la temperatura solo consideró 12 causas de muerte. Además, se introdujeron una serie de incertidumbres durante el ajuste de las curvas de exposición-respuesta de causa específica. Por ejemplo, se utilizaron varios números de nudos para diferentes causas de mortalidad, algunas curvas de exposición-respuesta de causa específica se forzaron de manera monótona, y solo se consideraron partes significativas de las curvas de exposición-respuesta, que podrían representar solo menos de una cuarta parte de todas las curvas. Como resultado,

Nuestro estudio encontró que más de la mitad del exceso de muertes ocurrieron en Asia, y especialmente en ciudades costeras bajas y abarrotadas del este y sur de Asia. Este resultado pone de relieve cuán ardua será la tarea para los países asiáticos de reducir el efecto adverso de la temperatura en la salud de la población local y el desafío sustancial para sus sistemas de atención de la salud. El número de muertes en exceso está relacionado en gran medida con el tamaño de la población. Para evaluar sistemáticamente la variación geográfica en la carga de mortalidad relacionada con la temperatura, introdujimos otros dos índices: la tasa de mortalidad excesiva y la tasa de mortalidad excesiva (por 100 000 residentes). Europa del Este tuvo la tasa más alta de muerte excesiva relacionada con el calor y África subsahariana tuvo la tasa más alta de muerte excesiva relacionada con el frío. Aunque Oceanía solo representó un pequeño número de muertes en exceso, su exceso de tasa y tasa de mortalidad seguía siendo sustancial en comparación con otras regiones. La tasa y la tasa de exceso de muertes más bajas se registraron en América Latina y el Caribe y el sudeste de Asia. Sin embargo, los resultados de un análisis de alta resolución revelaron una alta carga de mortalidad relacionada con el calor a nivel de población a lo largo de la costa oeste de América Latina. Esta variación geográfica sugiere que la amenaza para la salud de las temperaturas no óptimas es un problema mundial, que requiere la colaboración internacional para desarrollar estrategias de protección de la salud adaptadas a cada región. Nuestro estudio anterior de MCC encontró que la mayoría de las muertes atribuibles a temperaturas frías y calientes se adelantaron al menos 1 año. Sin embargo, los resultados de un análisis de alta resolución revelaron una alta carga de mortalidad relacionada con el calor a nivel de población a lo largo de la costa oeste de América Latina. Esta variación geográfica sugiere que la amenaza para la salud de las temperaturas no óptimas es un problema mundial, que requiere la colaboración internacional para desarrollar estrategias de protección de la salud adaptadas a cada región. Nuestro estudio anterior de MCC encontró que la mayoría de las muertes atribuibles a temperaturas frías y calientes se adelantaron al menos 1 año. Sin embargo, los resultados de un análisis de alta resolución revelaron una alta carga de mortalidad relacionada con el calor a nivel de población a lo largo de la costa oeste de América Latina. Esta variación geográfica sugiere que la amenaza para la salud de las temperaturas no óptimas es un problema mundial, que requiere la colaboración internacional para desarrollar estrategias de protección de la salud adaptadas a cada región. Nuestro estudio anterior de MCC encontró que la mayoría de las muertes atribuibles a temperaturas frías y calientes se adelantaron al menos 1 año. requiriendo la colaboración internacional para desarrollar estrategias de protección de la salud adaptadas a cada región. Nuestro estudio anterior de MCC encontró que la mayoría de las muertes atribuibles a temperaturas frías y calientes se adelantaron al menos 1 año. requiriendo la colaboración internacional para desarrollar estrategias de protección de la salud adaptadas a cada región. Nuestro estudio anterior de MCC encontró que la mayoría de las muertes atribuibles a temperaturas frías y calientes se adelantaron al menos 1 año.

 Combinado con este hallazgo, nuestros nuevos resultados sugieren fuertemente que las temperaturas no óptimas son una de las principales causas de carga de morbilidad para la salud de la población.

Nuestro estudio también exploró el cambio temporal en la carga de mortalidad relacionada con la temperatura de 2000 a 2019. La temperatura media diaria global aumentó en 0 · 26 ° C por década durante este tiempo, en paralelo con una gran disminución de las muertes relacionadas con el frío y un aumento moderado en muertes relacionadas con el calor. Los resultados indican que el calentamiento global podría reducir levemente las muertes netas relacionadas con la temperatura, aunque, a largo plazo, se espera que el cambio climático aumente la carga de mortalidad. Sin embargo, existen disparidades regionales, y la proporción de muertes excesivas relacionadas con el frío está disminuyendo en el sudeste de Asia. El sur de Asia fue la única región donde la temperatura media diaria por década disminuyó, en paralelo al aumento de las muertes en exceso relacionadas con el frío y en general entre 2000 y 2019. Como resultado, Los países locales deben ser conscientes del efecto de las bajas temperaturas al desarrollar estrategias de promoción de la salud. En comparación, a pesar de la reducción sustancial del exceso de muertes relacionadas con el frío en Oceanía, la tasa de muertes excesivas relacionadas con el calor aumentó entre 2000 y 2019 en más que en la mayoría de las otras regiones. Europa fue otro continente en el que aumentó la tasa de mortalidad excesiva relacionada con el calor. Teniendo en cuenta la inevitable tendencia al calentamiento en las próximas décadas, se prevé que la carga de mortalidad asociada con la exposición al calor aumente sustancialmente en ambos continentes.

Este estudio tiene algunas fortalezas. Primero, hasta donde sabemos, es la investigación más grande del impacto adverso de las temperaturas no óptimas en la salud de la población. En comparación con estudios previos limitados a estimaciones a nivel de país o de región,

el mapa de alta resolución (0 · 5 ° × 0 · 5 °) proporciona una descripción general de la carga de mortalidad asociada con temperaturas no óptimas a nivel mundial y dentro de subregiones específicas. Nuestros hallazgos ayudarán a los gobiernos nacionales y locales y a las comunidades internacionales a desarrollar mejores planes de clima frío y sistemas de alerta temprana, y estrategias de protección de la salud más eficientes contra el calentamiento global. En segundo lugar, la evaluación de la carga de mortalidad media relacionada con la temperatura y la tendencia temporal entre 2000 y 2019 proporciona una mejor comprensión de cómo el calentamiento global ha afectado a diferentes poblaciones en todo el mundo. Finalmente, desarrollamos el modelo utilizando datos sobre más de 130 millones de muertes de 43 países o territorios, que se encuentran en los cinco continentes y se caracterizan por diferentes climas, socioeconómicos, demográficos, y niveles de desarrollo de infraestructura y servicios de salud pública. Este gran tamaño de muestra y la representatividad de los datos ayudaron a garantizar la alta calidad de nuestros hallazgos a nivel mundial.

Deben reconocerse varias suposiciones y limitaciones. En este estudio, exploramos el cambio temporal en la carga de mortalidad relacionada con la temperatura mediante la fijación de factores socioeconómicos (es decir, población, mortalidad y PIB per cápita) al nivel de 2010. Esta suposición permite que los resultados reflejen el exceso de carga de muerte causada puramente por el cambio de temperatura. Otro supuesto es la tasa de mortalidad idéntica en las redes dentro del mismo país, que se implementó debido a la escasez de datos de mortalidad específicos de la red. Esta suposición no debería haber cambiado sustancialmente nuestros hallazgos a nivel de país o de una gran región; sin embargo, puede existir alguna sobreestimación o subestimación a escalas geográficas más finas, lo que puede mejorarse en el futuro con los datos de mortalidad disponibles a nivel de cuadrícula.

Sin embargo, no pudimos ajustar por otros modificadores de efectos potenciales (p. Ej., Estructura de edad, sexo y muertes causadas por la influenza) debido a la escasez de datos. Los datos escasos del sur de Asia, la Península Arábiga y África fuera de Sudáfrica podrían haber reducido la precisión del modelado en estas regiones. Este problema merece una mayor exploración y debería reducirse en el futuro con una red ampliada de MCC. Usamos datos de temperatura modelados para análisis específicos de la cuadrícula debido a la escasez de datos de observación para cada cuadrícula. Sin embargo, estudios anteriores han encontrado solo diferencias muy pequeñas en las estimaciones del efecto entre los dos métodos.

Para concluir, una carga sustancial de mortalidad es atribuible a temperaturas no óptimas, que exhibe patrones geográficos y temporales complejos en todo el mundo. Nuestros hallazgos exigen una acción decisiva y coordinada para aumentar la conciencia pública sobre la temperatura como un riesgo para la salud. La variación en la carga de mortalidad regional y local asociada con la temperatura no óptima justifica una exploración en profundidad para diseñar estrategias de adaptación contra el exceso de calor y frío que protejan la salud.
Colaboradores
YG, AG, MH y BAr establecieron la red colaborativa. YG, SL y QZ diseñaron el estudio. YG, SL, QZ y AG desarrollaron los métodos estadísticos. YG, SL y QZ tomaron la iniciativa en la redacción del manuscrito y la interpretación de los resultados. QZ, YG, TY, AG, ST, AO, AU, AS, AE, AMV-C, AZa, AA, AZe, AT, BN, BAl, BAr, BF, S-CP, CÍ, CAm, CDlCV, CÅs, DH, DVD, DR, EI, EL, FM, FA, FdD, FDR, FS, GC-E, HKa, HO, HKi, I-HH, JK, JM, JS, JJKJ, KK, MHD, MSR, MH, MP, MdSZSC, NVO, NR, NS, PM, PMC, PG, PHNS, RA, SO, SR, SF, TND, VC, VH, WL, XS, YH, YLG, MLB y SL proporcionaron los datos y contribuyeron a la interpretación de los resultados y la versión enviada del manuscrito. YG, SL y QZ accedieron y verificaron los datos. Todos los autores tenían acceso completo a todos los datos del estudio y tenían la responsabilidad final de la decisión de enviarlos para su publicación.

Compartir datos

Los datos se recopilaron dentro de la Red de investigación colaborativa de MCC en virtud de un acuerdo de intercambio de datos y no pueden ponerse a disposición del público. Los investigadores pueden consultar a los participantes de MCC, que figuran como coautores de este artículo, para obtener información sobre cómo acceder a los datos de cada país.

Declaración de intereses

Declaramos que no hay intereses en competencia.
Expresiones de gratitud
Este estudio fue apoyado por el Australian Research Council (DP210102076) y el Australian National Health and Medical Research Council (APP2000581). QZ fue apoyado por el Programa de Jóvenes Académicos Qilu de la Universidad de Shandong, Jinan, China; SL por una beca de carrera temprana del Consejo Nacional de Investigación Médica y de Salud de Australia (número APP1109193); YG por becas de desarrollo profesional del Consejo Nacional de Investigación Médica y de Salud de Australia (número APP 1163693); JK y AU de la Czech Science Foundation (proyecto número 20–28560S); NS por el Centro HERCULES financiado por el Instituto Nacional de Ciencias de la Salud Ambiental (P30ES019776); S-CP y YLG del Ministerio de Ciencia y Tecnología (Taiwán; MOST 109–2621-M-002–021); YH por el Fondo de Desarrollo de Tecnología e Investigación Ambiental (JPMEERF15S11412) de la Agencia de Restauración y Conservación Ambiental; MdSZSC y PHNS de la Fundación de Investigaciones de São Paulo (FAPESP); ST de la Comisión de Ciencia y Tecnología de la Municipalidad de Shanghai (número de subvención 18411951600); HO y EI por el Ministerio de Educación e Investigación de Estonia (IUT34-17); JM por una beca de la Fundação para a Ciência ea Tecnlogia (SFRH / BPD / 115112/2016); AG y FS por el Medical Research Council UK (subvención ID MR / R013349 / 1), el Natural Environment Research Council UK (subvención ID NE / R009384 / 1) y el proyecto de la UE Horizonte 2020, Exhaustion (subvención ID 820655); AS, SR y FdD por el proyecto de la UE Horizonte 2020, Agotamiento (subvención ID 820655); y VH del Ministerio de Economía, Industria y Competitividad de España (subvención ID PCIN-2017–046).
Nota editorial: el Grupo Lancet adopta una posición neutral con respecto a los reclamos territoriales en los mapas publicados y afiliaciones institucionales.

Material suplementario

Referencias

  1. 1.
    • Centros nacionales de información ambiental
    Estado del clima. Informe sobre el clima mundial: anual de 2019.
    https://www.ncdc.noaa.gov/sotc/global/201913

    Fecha: 2020
    Fecha de acceso: 11 de octubre de 2020
  2. 2.
    • Zhao Q 
    • Li S 
    • Coelho MSZS 
    • et al.
    Variaciones geográficas, demográficas y temporales en la asociación entre exposición al calor y hospitalización en Brasil: un estudio a nivel nacional entre 2000 y 2015.

    Perspectiva de salud ambiental. 2019; 127 17001

  3. 3.
    • Gasparrini A 
    • Guo Y 
    • Hashizume M 
    • et al.
    Riesgo de mortalidad atribuible a la temperatura ambiente alta y baja: un estudio observacional multinacional.

    Lanceta. 2015; 386 : 369-375

  4. 4.
    • Zhao Q 
    • Zhang Y 
    • Zhang W 
    • et al.
    Visitas al servicio de urgencias y temperatura ambiente: análisis de series de tiempo en 12 ciudades chinas.

    Environ Pollut. 2017; 224 : 310-316

  5. 5.
    • Zhao Q 
    • Li S 
    • Coelho MSZS 
    • et al.
    La asociación entre olas de calor y riesgo de hospitalización en Brasil: un estudio de series de tiempo a nivel nacional entre 2000 y 2015.

    PLoS Med. 2019; 16 e1002753

  6. 6.
    • Lu P 
    • Zhao Q 
    • Xia G 
    • et al.
    Tendencias temporales de la asociación entre la temperatura ambiente y la mortalidad cardiovascular: un estudio de casos cruzados de 17 años.

    Environ Res Lett. 2021; 16 045004

  7. 7.
    • Chen R 
    • Yin P 
    • Wang L 
    • et al.
    Asociación entre temperatura ambiente y riesgo y carga de mortalidad: estudio de series de tiempo en 272 principales ciudades chinas.

    BMJ. 2018; 363 k4306

  8. 8.
    • Nordio F 
    • Zanobetti A 
    • Colicino E 
    • Kloog I 
    • Schwartz J
    Patrones cambiantes de la asociación temperatura-mortalidad por tiempo y ubicación en los EE. UU., E implicaciones para el cambio climático.

    Environ Int. 2015; 81 : 80-86

  9. 9.
    • Fu SH 
    • Gasparrini A 
    • Rodríguez PS 
    • Jha P
    Mortalidad atribuible a temperaturas ambientales frías y calientes en la India: un estudio de casos cruzados representativo a nivel nacional.

    PLoS Med. 2018; 15 e1002619

  10. 10.
    • Scovronick N 
    • Sera F 
    • Acquaotta F 
    • et al.
    La asociación entre la temperatura ambiente y la mortalidad en Sudáfrica: un análisis de series de tiempo.

    Environ Res. 2018; 161 : 229-235

  11. 11.
    • Hajat S 
    • Kovats RS 
    • Lachowycz K
    Muertes relacionadas con el calor y el frío en Inglaterra y Gales: ¿quién está en riesgo ?.

    Occup Environ Med. 2007; 64 : 93-100

  12. 12.
    • Colaboradores de Factores de Riesgo de GBD 2019
    Carga mundial de 87 factores de riesgo en 204 países y territorios, 1990-2019: un análisis sistemático para el Estudio de carga mundial de enfermedades 2019.

    Lanceta. 2020; 396 : 1223-1249

  13. 13.
    • Guo Y 
    • Gasparrini A 
    • Armstrong B 
    • et al.
    Variación global de los efectos de la temperatura ambiente sobre la mortalidad: una evaluación sistemática.

    Epidemiología. 2014; 25 : 781-789

  14. 14.
    • Gasparrini A 
    • Guo Y 
    • Sera F 
    • et al.
    Proyecciones del exceso de mortalidad relacionado con la temperatura en escenarios de cambio climático.

    Lancet Planet Health. 2017; 1 : e360-e367

  15. 15.
    • Ventilador Y 
    • Van den Dool H
    Un análisis global mensual de la temperatura del aire en la superficie de la tierra para 1948 hasta el presente.

    J Geophys Res Atmos. 2008; 113 D01103

  16. dieciséis.
    • Murakami D 
    • Yamagata Y
    Estimación de escenarios de población y PIB en cuadrícula con reducción de escala estadística espacialmente explícita.

    Sustentabilidad. 2019; 11 2106

  17. 17.
    • Gasparrini A 
    • Armstrong B 
    • Kenward MG
    Metanálisis multivariado para asociaciones no lineales y otras asociaciones multiparamétricas.

    Stat Med. 2012; 31 : 3821-3839

  18. 18.
    • Kottek M 
    • Grieser J 
    • Beck C 
    • Rudolf B 
    • Rubel F
    Mapa mundial de la clasificación climática de Köppen-Geiger actualizado.

    Meteorol Z (Berl). 2006; 15 : 259-263

  19. 19.
    • Zhao Q 
    • Li S 
    • Cao W 
    • et al.
    Modelización de la incidencia presente y futura de la enfermedad pediátrica de manos, pies y boca asociada con la temperatura ambiente en China continental.

    Perspectiva de salud ambiental. 2018; 126 047010

  20. 20.
    • Guo Y 
    • Gasparrini A 
    • Li S 
    • et al.
    Cuantificación del exceso de muertes relacionadas con olas de calor en escenarios de cambio climático: un estudio de modelos de series de tiempo de varios países.

    PLoS Med. 2018; 15 e1002629

  21. 21.
    • División de Estadística de la ONU
    Metodología. Códigos de área o país estándar para uso estadístico (M49).
    https://unstats.un.org/unsd/methodology/m49/

    Fecha de acceso: 21 de septiembre de 2020
  22. 22.
    • Gasparrini A 
    • Armstrong B 
    • Kenward MG
    Modelos no lineales de retardo distribuido.

    Stat Med. 2010; 29 : 2224-2234

  23. 23.
    • Hijo JY 
    • Liu JC 
    • Bell ML
    Mortalidad relacionada con la temperatura: una revisión e investigación sistemáticas de los modificadores del efecto.

    Environ Res Lett. 2019; 14 073004

  24. 24.
    • Armstrong B 
    • Bell ML 
    • de Sousa Zanotti Stagliorio Coelho M 
    • et al.
    Impacto a largo plazo de las temperaturas altas y bajas en la mortalidad: un estudio internacional para aclarar la duración del desplazamiento de la mortalidad.

    Perspectiva de salud ambiental. 2017; 125 107009

  25. 25.
    • Royé D 
    • Íñiguez C 
    • Tobías A
    Comparación de asociaciones temperatura-mortalidad utilizando datos de estaciones meteorológicas observadas y reanálisis en 52 ciudades españolas.

    Environ Res. 2020; 183 109237

  26. 26.
    • Weinberger KR 
    • Spangler KR 
    • Zanobetti A 
    • Schwartz JD 
    • Wellenius GA
    Comparación de las asociaciones de temperatura-mortalidad estimadas con diferentes métricas de exposición.

    Environ Epidemiol. 2019; 3 : e072

Cifras

  • Miniatura de la figura gr1
    Figura 1 Temperaturas medias diarias promedio de las 750 ubicaciones de los 43 países o territorios incluidos en el análisis
  • Miniatura de la figura gr2
    Figura 2 Promedio anual de muertes en exceso debido a temperaturas no óptimas en 2000-19 con una resolución espacial de 0 · 5 ° × 0 · 5 °
  • Miniatura de la figura gr3
    Figura 3 Tasa de exceso de muerte anual promedio y cambio en la tasa de muerte de exceso anual promedio por década debido a temperaturas no óptimas en 2000-19 con una resolución espacial de 0 · 5 ° × 0 · 5 °
  • Miniatura de la figura gr4
    Figura 4 Cambio regional en la tasa anual de exceso de muertes entre 2000 y 2019 en comparación con el promedio de 2000-03

Mesas

Colecciones especializadas relacionadas

Este artículo se puede encontrar en las siguientes colecciones: