Riduzione delle funzioni cognitive durante un’ondata di calore tra i residenti di edifici non climatizzati: Uno studio osservazionale sui giovani adulti nell’estate del 2016

Introduzione

Le onde di calore (HW) hanno conseguenze devastanti per la salute pubblica a livello globale. L’esposizione a temperature più elevate comporta l’incapacità del corpo umano di termoregolarsi, con conseguenti impatti diretti e indiretti sulla salute, legati alla morbilità e alla mortalità cardiovascolare, respiratoria, renale, cerebrovascolare e legata al diabete [1- 6]. Le stime della mortalità dovuta al calore variano a seconda della località e della popolazione. Negli Stati Uniti, l’esposizione al calore estremo è la principale causa di morte di tutti i fenomeni meteorologici, responsabile di oltre 7.000 decessi dal 1999 al 2010[7]. Studi precedenti hanno dimostrato che la mortalità dovuta al calore è punteggiata da eventi acuti di alto profilo come l’HW in Europa nel 2003 che ha causato 70.000 morti e l’India nel 2015 che è stata responsabile di 2.300 morti dovute al calore[8]. Con il riscaldamento del pianeta, le temperature che attualmente sono considerate estreme diventeranno più comuni[9]. Il clima che cambia ha importanti implicazioni per la salute pubblica legate al calore. In tutto il mondo, il 2016 è stato l’anno più caldo degli ultimi 200 anni della storia registrata[10], e si prevede che un clima più caldo in futuro provocherà decine di migliaia di morti in eccesso all’anno negli Stati Uniti entro il 2100[11]. Oltre all’aumento della temperatura media generale, si prevede che il cambiamento climatico aumenterà la frequenza, la durata e l’intensità degli HW[12-15].

Storicamente, l’impatto sulla salute pubblica degli HW è stato condotto principalmente attraverso studi epidemiologici che utilizzano le registrazioni delle temperature esterne come misura dell’esposizione[16- 18]. Gli adulti negli Stati Uniti, tuttavia, trascorrono circa il 90% del loro tempo in ambienti interni[19], rendendo la ricerca sanitaria passata relativa al calore soggetta a un’errata classificazione dell’esposizione se i valori della temperatura esterna non rappresentano le esposizioni interne. La prova degli effetti del calore estremo deriva anche dalle camere controllate di laboratorio con regimi di temperatura sperimentali[20- 22]. Gli effetti del calore estremo sono aggravati nella vita reale da fattori comportamentali che modificano l’esposizione[23- 25](ad esempio, il sonno, l’idratazione, l’attività fisica, o l’aria condizionata [AC]).

Inoltre, la valutazione degli impatti del calore estremo si è concentrata, principalmente, sulle popolazioni vulnerabili come i giovanissimi o gli anziani. Tuttavia, gli effetti sulla salute degli eventi di calore estremo possono essere sperimentati nella popolazione generale, con il risultato di sintomi subclinici, come deficit delle funzioni cognitive[16,21,26]. Una curva di risposta a forma di U è stata utilizzata per descrivere come l’esposizione a temperature estremamente basse o alte determini una diminuzione delle prestazioni cognitive[16,21,27]. Tuttavia, questo è stato basato su risultati provenienti da impostazioni controllate, sperimentali o utilizzando la temperatura esterna come metrica dell’esposizione. Pertanto, gli studi sul campo in ambienti reali sono necessari per comprendere la relazione tra esposizioni a calore estremo in ambienti interni, salute e cognizione, mentre il controllo per importanti fattori comportamentali che influenzano l’esposizione e il rischio.

Il nostro studio di coorte osservazionale prospettico ha esaminato le relazioni tra le condizioni ambientali interne, l’esposizione al calore, il sonno e le funzioni cognitive tra giovani adulti che vivono in aule di residenza centrali AC e non AC in un campus universitario prima, durante e dopo un HW durante l’estate del 2016.

Metodi

Studio di progettazione

Una coorte di studenti universitari è stata seguita per 12 giorni consecutivi (9 luglio-20 luglio 2016) nella Greater Boston, Massachusetts negli Stati Uniti. Lo studio è iniziato con un periodo di riferimento di 5 giorni di temperature esterne stagionali (media = 20,4°C; range = 15,3-30,6°C) prima dell’inizio di un HW. Ci siamo basati sulla definizione di HW utilizzata dalla National Oceanic and Atmospheric Administration (NOAAA), in cui un HW consiste in un periodo di 2 o più giorni di “temperatura e umidità dell’aria anormalmente elevate”. Il nostro criterio per la soglia di temperatura anormalmente elevata si basava su una temperatura esterna massima giornaliera (Tout,max)_{di 32,}2°C (90°F), che corrisponde al 91° percentile delle temperature medie elevate a Boston nel periodo da giugno a settembre per 10 anni prima dello studio. L’inizio dello studio si è basato su previsioni meteorologiche che indicavano temperature estive prossime alla media per diversi giorni, seguite da un periodo di caldo estremo, riconoscendo che la durata della fase di studio sarebbe stata variabile con le previsioni. Le condizioni meteorologiche osservate hanno consentito uno studio ininterrotto di 12 giorni (9 luglio-20 luglio) che comprendeva i seguenti 2 periodi: (1) un periodo iniziale di base di 5 giorni di temperatura stagionale e (2) il periodo HW, costituito da 5 giorni di temperature anormalmente elevate (_Tout,max = 33,4°C media; range = 27,8-35,6°C) e un raffreddamento di 2 giorni (Tout,max media =_28,1°C; range = 27,8-28,3°C).

Partecipanti allo studio

Gli studenti sono stati assegnati alle loro residenze all’inizio dell’estate e indipendentemente dalla loro iscrizione a questo studio. Gli studenti sono stati reclutati da 2 tipi di residenza del campus: AC(n = 24) e a ventilazione naturale (non AC, n = 20). I siti di studio AC erano costituiti da edifici adiacenti di 6 piani costruiti all’inizio degli anni ’90, con finestre azionabili e AC centrale. I siti di studio non in CA consistevano in edifici bassi in stile neo-georgiano con spesse pareti in muratura costruiti tra il 1930 e il 1950, con un rapporto di circa il 30% tra finestre e pareti. I potenziali partecipanti hanno ricevuto i dettagli dello studio nel corso di incontri informativi tenutisi in ciascuno dei siti di studio. Il reclutamento è avvenuto a rotazione fino al raggiungimento degli obiettivi di reclutamento; il team di ricerca ha richiesto solo che i gruppi di entrambi i tipi di edifici fossero bilanciati in termini di età e sesso degli studenti. I criteri di inclusione richiedevano che lo studente avesse almeno 18 anni di età, non avesse precedenti di abuso di alcol o droghe, non avesse precedenti o gravidanze in corso e soddisfacesse una serie di condizioni di salute predeterminate (non facesse uso di antibiotici per via orale o endovenosa o di chemioterapia, non facesse uso di prednisone o FANS, non avesse attualmente malattie infettive acute [raffreddore/influenza, gastroenterite, ecc.], non aveva in precedenza auto-diagnosticato una malattia infiammatoria cronica o autoimmune, non assumeva farmaci per il sonno su prescrizione medica e non aveva in precedenza diagnosticato disturbi del sonno). Non ci sono state differenze significative nella prevalenza di condizioni di salute preesistenti tra gli studenti che vivono in edifici con ventilazione naturale e meccanica(Tabella 1). Gli studenti hanno scelto le loro preferenze per l’alloggio estivo in base al principio “primo arrivato, primo servito” in un modo che non ci si aspettava fosse associato all’esposizione o al risultato. Pertanto, abbiamo ipotizzato che queste popolazioni fossero scambiabili e che vivere in un qualsiasi tipo di ventilazione fosse indipendente dalla demografia dello studente, dallo stato di salute o dai potenziali risultati di salute. L’Institutional Review Board (IRB) della Harvard T.H. Chan School of Public Health ha approvato questo studio.

Strumenti di indagine

Sondaggio di base

Gli studenti autorizzati hanno completato un’indagine di base sulla demografia (ad esempio, età, sesso, altezza, peso, condizione del fumo, razza, etnia e uso di contatti, apparecchi acustici e diuretici) e la qualità del sonno durante la settimana precedente lo studio. L’indagine comprendeva domande sulla percezione e la soddisfazione per la qualità dell’ambiente interno (cioè il comfort termico, la qualità dell’aria interna, l’acustica e l’illuminazione) nella camera da letto della residenza estiva.

Indagine quotidiana e test cognitivi

Agli studenti è stato inviato un sondaggio elettronico sul loro smartphone ogni mattina e sono stati istruiti a completarlo dopo il risveglio, mentre si trovavano all’interno della loro camera da letto. L’indagine è iniziata con una batteria di 2 test cognitivi autosomministrati: la velocità cognitiva e il controllo inibitorio sono stati valutati con il test Stroop colore-parola (STROOP), e la velocità cognitiva e la memoria di lavoro sono state valutate con un test visivo di addizione/sottrazione a 2 cifre (ADD). Questi test sono stati utilizzati in precedenza in base alla loro sensibilità che misurava gli effetti dell’ipertermia sul tempo di reazione del controllo esecutivo e sulla memoria di lavoro[22,27- 29]. Gli effetti dell’ipertermia su simili test della funzione esecutiva e della memoria di lavoro sono stati studiati anche in combinazione con le valutazioni dell’attività e della connettività funzionale nel cervello[26,30]. STROOP ha comportato 24 prove di stimoli di colore delle parole congruenti, incongruenti e neutri, mostrati al centro del display dello smartphone dello studente. Lo studente doveva identificare correttamente il colore della parola visualizzata e toccare 1 dei 4 pulsanti (rosso, blu, verde o giallo) sul touch screen corrispondente al colore mostrato. ADD aveva 10 prove matematiche di addizione e sottrazione di numeri a 2 cifre, con risposta tramite la tastiera touch screen dello smartphone. Dai test cognitivi sono state ottenute cinque metriche di performance: la velocità cognitiva sugli studi incongruenti STROOP e ADD è stata valutata in base al tempo di reazione in millisecondi per ogni singolo studio, il throughput cognitivo sugli studi incongruenti STROOP e ADD è stato valutato con medie giornaliere sul numero di risposte corrette al minuto, e il controllo inibitorio su STROOP è stato calcolato come differenza tra il tempo di reazione incongruente e il tempo medio giornaliero di reazione congruente. Per eliminare qualsiasi effetto di apprendimento nel corso dello studio, ogni metrica è stata trasformata nel suo z-score sottraendo la media giornaliera di tutti gli studenti e dividendola per la SD giornaliera di tutti gli studenti. Per entrambi i test, un aumento del tempo di reazione z-score e una diminuzione del throughput z-score rappresentano un deterioramento delle funzioni cognitive. Non sono stati somministrati agli studenti altri test cognitivi.

I test STROOP e ADD erano identici e sono stati presentati nello stesso ordine a tutti gli studenti in una data giornata di studio, ma variavano di giorno in giorno mantenendo costante la proporzione di congruenza e di operandi matematici(S1 Fig). I test cognitivi sono stati sviluppati come motori di test JavaScript per l’ambiente di indagine online Qualtrics (Qualtrics, Provo, UT). Altri ricercatori hanno dimostrato l’utilità dei motori di test online basati su JavaScript per i tempi di reazione[31]. I motori hanno incorporato la cronometria e le capacità di valutazione della risposta. Per ridurre la probabilità di errori di cronometraggio dovuti alle diverse velocità di comunicazione con il server dell’ambiente di indagine, è stato introdotto un ritardo fisso tra le prove consecutive. Una legenda neutra al centro dello schermo è stata mostrata come punto di fissaggio durante il periodo di ritardo.

Il sondaggio giornaliero comprendeva anche domande relative alle ultime 24 ore sui seguenti elementi: qualità dell’ambiente interno, qualità del sonno, assunzione di liquidi e bevande a base di caffeina e esposizione alla luce da parte di dispositivi elettronici dopo le 8 di sera.

Registro dell’idratazione e della sonnolenza soggettiva

L’idratazione diurna è stata ottenuta tramite un server di messaggi di testo (Twilio, San Francisco, CA) che chiedeva l’assunzione di liquidi in numero di bicchieri d’acqua nelle ultime 4 ore, e la sonnolenza autodenunciata è stata ottenuta utilizzando la scala di sonnolenza Karolinska (KSS) alle 12.00, alle 16.00 e alle 20.00 ogni giorno. Nel tentativo di standardizzare le unità di reporting dell’idratazione, gli studenti hanno ricevuto una scala di conversione visiva per equiparare le comuni bottiglie di vetro e di acqua a un numero di bicchieri di circa 8 once di liquido (296 ml). Una variabile categorica basata sul consumo medio giornaliero di acqua (1 = minore o uguale a 1 L/giorno; 0 = più di 1 L/giorno) è stata utilizzata come surrogato per l’idratazione individuale. Il KSS consiste in una scala Likert a 9 punti utilizzata per valutare soggettivamente la sonnolenza dello studente al momento dell’interrogazione [32]. Le stesse domande per l’idratazione e la sonnolenza sono state poste nell’indagine quotidiana subito dopo il completamento dei test cognitivi.

Misure ambientali e fisiologiche

Nella camera da letto di ogni studente è stato installato un monitor della qualità ambientale interna (Netatmo, Parigi, Francia). Il monitor ha misurato la temperatura interna del bulbo secco (°C), l’umidità relativa (%), la concentrazione di CO2 (ppm) e il rumore (dBa). I monitor sono stati installati dal team di studio in un luogo lontano da fonti di calore (ad esempio, schermo del computer, radiazione solare diretta, ecc. Prima dell’installazione, la_CO2 era riferita a 400 ppm di aria esterna per eliminare un errore di deriva. Gli errori di deriva e di guadagno di_CO2 durante l’implementazione sono stati stimati collocando i monitor IEQ accanto a uno strumento recentemente calibrato (Q-trak 7575; TSI Instruments, Shoreview, MN) all’interno di una camera, seguendo 10 incrementi in step da 400 a 3.000 ppm. I valori dello strumento calibrato sono stati usati come riferimento per produrre curve di regolazione specifiche per i monitor in modo che corrispondano ai valori derivati sperimentalmente. Ci sono molte variabili disponibili per valutare l’umidità[33], e come tentativo di utilizzare una rappresentazione dell’umidità nell’aria basata sulla massa, i valori dell’umidità assoluta interna sono stati derivati dalle misurazioni dell’umidità relativa attraverso la legge dei gas ideali. Le variabili orarie del tempo all’aperto sono state ottenute dalla stazione meteorologica locale dell’aeroporto, situata a circa 5 miglia di distanza dal sito di studio.

Gli studenti indossavano un sleep tracker basato sull’actigrafia (Basis Peak watch; Intel, Santa Clara, CA) al polso non dominante e sono stati istruiti a indossarlo sempre, soprattutto durante il sonno. Il tempo totale di sonno (TST) è stato stimato come la differenza tra il tempo di veglia e il tempo di inizio del sonno meno il tempo di sonno interrotto quantificato dal tracker. Il tracker ha utilizzato la fotopletismografia per misurare la frequenza cardiaca (HR) in battiti al minuto (bpm) con una risoluzione di 1 minuto. Il tracker ha dimostrato di essere il più accurato nella raccolta di misurazioni a riposo[34,35]. Per evitare il rumore di misurazione introdotto dal movimento degli studenti, abbiamo preso in considerazione solo le misurazioni della frequenza cardiaca durante i periodi di sonno notturno.

Analisi statistica

Per indagare l’effetto dell’avere AC durante l’HW sulla funzione cognitiva, abbiamo condotto un’analisi delle differenze (DiD), un metodo che emula un disegno sperimentale confrontando l’effetto tra gruppi di esposizione assumendo che qualsiasi differenza tra di essi sarebbe rimasta costante se l’intervento (AC) non avesse avuto luogo[36]. Considerando di avere AC durante un HW come intervento naturale, abbiamo usato modelli lineari generalizzati ad effetto misto con ciascuno dei 5 gradi z metrici di performance cognitive come risultato. In primo luogo, abbiamo usato un termine di interazione tra i gruppi di esposizione al calore (esposto, non-AC = 1; non esposto, AC = 0) e una variabile indicatore che segnala l’inizio dell’HW (linea di base = 0; HW = 1) per stimare gli effetti cognitivi tra il gruppo non-AC dopo l’inizio dell’HW. Una variante di questo modello ha utilizzato un’interazione per il gruppo di esposizione e la differenza di giorno all’inizio dell’HW (14 luglio) per studiare l’andamento temporale dei cambiamenti delle funzioni cognitive. Il coefficiente del termine di interazione è la stima DiD risultante. Abbiamo anche considerato la temperatura esterna massima giornaliera di 1 giorno di ritardo. L’ID dello studente è stato specificato come l’intercettazione casuale che tiene conto delle misurazioni ripetute all’interno del soggetto.

Sono stati utilizzati modelli misti di additivi generalizzati per stimare gli effetti individuali dei parametri ambientali interni sulle funzioni cognitive. Lo Student ID, annidato all’interno del tipo di edificio, è stato trattato come un effetto casuale per tener conto delle differenze tra gli individui. Le esposizioni ambientali alla temperatura massima interna, il rumore medio, l’umidità assoluta media e le concentrazioni medie di_CO2 sono state calcolate per il periodo notturno che precede ogni test cognitivo e incluse in un unico modello per ogni risultato di interesse delle funzioni cognitive. Oltre alle esposizioni ambientali interne, abbiamo regolato per l’idratazione (bicchieri al giorno meno della mediana = 1; altrimenti 0), l’assunzione di caffeina (più di una bevanda a base di caffeina = 1; altrimenti 0), e il tempo dal risveglio all’esecuzione del test (tempo in ore). Gli effetti non lineari delle variabili continue sono stati valutati con l’uso di spline penalizzate; solo le variabili che hanno mostrato un effetto non lineare significativo sono state mantenute nel modello come spline. Nel caso di trovare una relazione non lineare tra funzione cognitiva e temperatura interna, le stime degli effetti sono state calcolate raggruppando la variabile di esposizione (temperatura) per quartili. Tutti i risultati del modello mostrano che i residui erano normalmente distribuiti e omoscedastici. Poiché l’esposizione termica notturna era l’obiettivo particolare dello studio, abbiamo voluto capire il potenziale ruolo intermedio del sonno nel percorso causale tra temperatura e funzione cognitiva. Abbiamo formulato un modello di mediazione in cui la temperatura interna rappresentava l’esposizione, la TST rappresentava il mediatore e le 5 metriche cognitive erano i risultati di interesse. Abbiamo usato il pacchetto “mediazione” del software statistico R [37],che richiede un sistema a 2 equazioni del risultato e del modello del mediatore come input. I risultati includono l’effetto mediatore causale medio, l’effetto diretto e l’effetto totale dell’esposizione. Le stesse covariate personali e comportamentali incluse nel modello ambientale sopra descritto sono state incluse nei modelli di esito e mediatore.

Tutte le analisi statistiche sono state completate in RStudio (versione 1.1.414). I test di Mann-Whitney-Wilcoxon sono stati utilizzati per testare le caratteristiche a livello di edificio. Abbiamo fissato una soglia di significatività statistica a p < 0, 05 per le analisi principali (test a 2 code). Presentiamo i risultati per tutti i risultati e interpretiamo i risultati in base alla coerenza dei modelli osservati, insieme alla grandezza e alla precisione delle stime degli effetti, piuttosto che basarci esclusivamente sulla significatività statistica.

Risultati

Analisi descrittive

Nel corso dello studio, le temperature medie interne nel gruppo non CA (media = 26,3°C; SD = 2,5°C; range = 19,6-30,4°C) sono state significativamente più alte (p < 0,001)rispetto al gruppo CA (media = 21,4°C; SD = 1,9°C; range = 17,5-25,0°C) (Fig 1). L’umidità relativa media nel gruppo non AC era significativamente inferiore, al 61,4% (SD = 10,1%, range = 36%-88%), rispetto al gruppo AC, per il quale era del 73,3% (SD = 7,4%; range = 48%-91%) (p < 0,001). Al contrario, poiché l’aria è deumidificata dall’unità di trattamento dell’aria, l’umidità assoluta era significativamente inferiore(p < 0, 001) nel gruppo AC (14,1 g acqua/m3 aria) rispetto al gruppo non AC (16,0 g acqua/m3 aria). I livelli medi di_CO2 erano significativamente più bassi nel gruppo non CA a 774,3 ppm (SD = 337,6 ppm; range = 366-1.688 ppm) rispetto a 1.667,5 ppm (SD = 783,6 ppm; range = 444-3.489 ppm) nel gruppo CA (p < 0,001). I livelli medi di rumore erano significativamente più alti(p < 0, 001) nel gruppo non CA, a 55,6 dBa (SD = 9,0 dBa; range = 38,0-76,9 dBa), rispetto a 46,2 dBa (SD = 7,1 dBa; range = 35,2-64,7 dBa) nel gruppo CA. I quartili di esposizione alla temperatura interna sono 21,7°C, 23,5°C e 26,9°C.

Fig. 1.Fig. 1. Distribuzione della temperatura interna per gruppo di esposizione (boxplot); temperatura esterna massima giornaliera di 1 giorno di ritardo (linea tratteggiata).AC, aria condizionata.

LaFig 2 mostra il miglioramento individuale medio delle prestazioni di STROOP e ADD rispetto al periodo di riferimento di 5 giorni. A causa dell’effetto di apprendimento, entrambi i gruppi hanno registrato un miglioramento durante il corso dello studio. Tuttavia, il gruppo AC ha avuto miglioramenti significativamente maggiori nelle 5 metriche cognitive. Non è stata riscontrata alcuna differenza significativa tra i gruppi sulle metriche del test ADD. Anche la differenza in STROOP inibitorio non è stata significativa. Il gruppo AC ha avuto un tempo di reazione STROOP significativamente più lento e una minore velocità di STROOP(tabella S1). Inoltre, non è stata trovata alcuna differenza significativa nel numero totale di passi giornalieri tra i tipi di edificio o all’interno del tipo di edificio tra la linea di base e HW. Mentre il conteggio assoluto dei passi – come valutato dal tracker di attività fisica – era più alto tra gli studenti non AC, questo gruppo ha registrato una diminuzione di 467 passi al giorno durante l’HW contro un moderato aumento (239 passi al giorno) registrato dagli studenti AC (Tabella S2). Queste stime hanno tenuto conto del tempo di usura giornaliera del dispositivo da parte di ogni studente, per evitare errori introdotti dai tempi di usura differenziali (tempo medio di usura giornaliera: non-AC = 1.249 min/giorno; AC = 1.220 min/giorno).

Fig. 2.Miglioramento individuale rispetto alla linea di base sulle prestazioni di STROOP e ADD (2a, 2b e 2d-2f) e sulla risposta HR (2c); le barre di errore indicano un CI del 95%. AC, aria condizionata; ADD, un test visivo di addizione/sottrazione a 2 cifre; bpm, battiti al minuto; HR, frequenza cardiaca; HW, onda di calore; RT, tempo di reazione; STROOP, il test delle parole cromatiche Stroop.

Fig. 1.Fig 1. Distribuzione della temperatura interna per gruppo di esposizione (boxplot); 1 giorno di ritardo della temperatura esterna massima giornaliera (linea tratteggiata).AC, aria condizionata.

Fig 2.Miglioramento individuale rispetto alla linea di base sulle prestazioni di STROOP e ADD (2a, 2b e 2d-2f) e sulla risposta HR (2c); le barre di errore indicano un CI del 95%. AC, aria condizionata; ADD, un test visivo di addizione/sottrazione a 2 cifre; bpm, battiti al minuto; HR, frequenza cardiaca; HW, onda di calore; RT, tempo di reazione; STROOP, il test delle parole cromatiche Stroop.

Risultati DiD

Per ridurre l’influenza di un effetto di apprendimento, le metriche dei test cognitivi sono state convertite in z-score per confrontare i risultati dei test cognitivi giornalieri nei modelli DiD. I risultati dei modelli DiD pre- e post-HW mostrano deficit significativi in entrambi i test cognitivi tra il gruppo non-AC dopo l’inizio dell’HW, rispetto al gruppo AC(Tabella 2). I maggiori effetti sono stati osservati in STROOP. Il throughput di STROOP nel gruppo non-AC ha avuto una differenza media di z-score rispetto alla linea di base di -0,53 (p =0, 0001), equivalente ad una riduzione di 4,8 rpm o ad un decremento di performance del 9,91% rispetto al gruppo AC. Nel gruppo non AC, il tempo di reazione STROOP e il controllo inibitorio STROOP sono aumentati rispettivamente di 155 ms (13,4%) e 22 ms (13,3%) rispetto al gruppo AC. Nel gruppo non AC il tempo di reazione ADD ha avuto un aumento medio z-score di 0,12(p = 0,0001) rispetto al gruppo AC, equivalente a 288 ms (11,4%). Anche il throughput di ADD ha mostrato lo stesso trend, anche se non in modo significativo tra i gruppi di esposizione durante l’HW (differenza media di z-score = -0,19; p = 0,08), equivalente a 0,97 rpm- o un decremento di performance del 6,3% in meno rispetto al gruppo AC.

I cambiamenti nella grandezza e nella significatività delle stime DiD nella giornata dall’inizio del modello HW mostrano differenti tendenze temporali per dominio cognitivo(Tabella 2). Da un lato, i deficit nel gruppo non-AC nel tempo di reazione di ADD e nel throughput sono aumentati progressivamente lungo il periodo HW. Gli effetti sono diventati significativi verso la fine dell’HW, nonostante le riduzioni di temperatura esterna nei giorni 5 e 7 del periodo HW(Tabella 2). Questi effetti sono stati probabilmente guidati da livelli di temperatura interna che hanno prolungato l’esposizione al calore oltre il periodo ufficiale HW secondo la sua definizione basata su parametri meteorologici esterni. D’altra parte, gli effetti più grandi e significativi nel tempo di reazione STROOP, nella portata e nel tempo di controllo inibitorio sono stati osservati nei giorni successivi al_Tout,max giornaliero più alto (cioè, HW giorni 1, 3, 4 e 6). In contrasto con le prestazioni di ADD, l’effetto in STROOP è stato ridotto in grandezza e insignificante per il tempo di reazione (differenza media in z-score = 0,22; p = 0,08) e il throughput (differenza media in z-score = -0,43; p = 0,08) alla fine del HW.

Una tendenza simile è stata osservata nel HR misurato durante i periodi di sonno, come categorizzato dal sleep tracker. La Fig 2C mostra un aumento significativo dell’HR tra il gruppo non AC durante i giorni più caldi dell’HW (differenza media: 2,39 bpm; 95% CI 2,28-2,56 bpm), ma si è allontanato negli ultimi 2 giorni dello studio.

Effetti dei fattori ambientali interni

La temperatura massima interna durante il periodo di sonno prima del test cognitivo giornaliero è stata associata in modo significativo alle prestazioni sulle 5 metriche delle funzioni cognitive qui studiate(Tabella 3). Per il tempo di reazione ADD, la velocità di trasmissione ADD e il tempo di controllo inibitorio STROOP, le prestazioni sono diminuite linearmente con un aumento dell’esposizione alla temperatura interna. Per la differenza media delle temperature interne tra i gruppi di esposizione durante l’HW (6,51°C; 95% CI 6,48-6,53), la differenza media stimata in z-score è 0,06 (95% CI 0,02-0,12) per il tempo di reazione ADD, -0,24 (95% CI -0,52 a -0,01) per il throughput ADD, e 0,18 (95% CI 0,03-0,26) per il tempo di controllo inibitorio STROOP. L’associazione tra l’esposizione alla temperatura interna e il tempo di reazione STROOP e la velocità di trasmissione STROOP è stata descritta da una relazione a forma di U(Fig 3A) e una relazione a forma di U inversa(Fig 3B), rispettivamente. Un ottimo tempo di reazione STROOP e il rendimento STROOP è stato trovato a circa 22°C; deviazioni da questo valore in entrambe le direzioni hanno portato ad un calo delle prestazioni. Nell’intervallo compreso tra 22°C e 28°C, gli effetti lineari approssimativi della temperatura sullo z-score sono 0,04 per°C e 0,05 per°C nel tempo di reazione STROOP e nel throughput STROOP, rispettivamente. Inoltre, la Tabella 3 mostra gli effetti stimati della temperatura interna raggruppati per quartili di esposizione.

Fig 3.Fig. 3. Le relazioni CS tra la temperatura massima interna e (a) il tempo di reazione di STROOP e (b) il rendimento di STROOP previsto dai modelli di esposizione ambientale montati nella tabella 3. CS, spline cubica; STROOP, la prova colore-parola Stroop.

Oltre alla temperatura, il rumore ha avuto un effetto di eccitazione sul tempo di reazione STROOP e sul controllo inibitorio STROOP. Un’associazione non lineare è stata trovata tra i livelli di_CO2 e il tempo di controllo inibitorio. Quando si dicotomizzano le concentrazioni di_CO2 secondo il valore mediano dello studio (_CO2 mediana = 1.250 ppm), una concentrazione di_CO2 superiore alla mediana è stata associata a un tempo di controllo inibitorio STROOP più lento (differenza media in z-score = 0,13; 95% CI 0,01-0,25; p = 0, 02) (Tabella 3).

Caratteristiche personali e fattori comportamentali hanno mostrato effetti significativi sulle funzioni cognitive(Tabella 3). Gli individui con un apporto di liquidi al di sotto della media (<6 bicchieri al giorno) ha avuto deficit significativi in ADD. Al contrario, il consumo di più di una bevanda a base di caffeina al giorno ha avuto un effetto di eccitazione sia sulla metrica ADD che sul tempo di controllo inibitorio STROOP. Un effetto significativo del lasso di tempo che intercorre tra il tempo di risveglio e l’esecuzione del test è stato trovato solo per il tempo di controllo inibitorio STROOP.

Fig. 3.CS relazioni tra la temperatura massima interna e (a) il tempo di reazione di STROOP e (b) il rendimento di STROOP previsto dai modelli di esposizione ambientale montati nella tabella 3. CS, spline cubica; STROOP, la prova colore-parola Stroop.

Analisi di mediazione

Un aumento di 1°C nell’esposizione notturna alla temperatura interna ha portato ad una diminuzione di 2,74 minuti della TST (95% CI -2,77 a -2,71; p < 0,001). L’analisi di mediazione ha rivelato un significativo effetto di mediazione di TST per il tempo di reazione di ADD, che rappresenta l’8,4% dell’effetto totale(Tabella S3). L’effetto diretto della temperatura è stato predominante sulle 5 metriche cognitive. Un effetto di mediazione non significativo di TST su STROOP mostra che tempi di sonno più lunghi sono associati a tempi di reazione più brevi e a una maggiore produttività.

Discussione

Abbiamo scoperto che gli individui in edifici non AC hanno subito riduzioni delle funzioni cognitive, valutate in base alla memoria di lavoro e alla velocità di attenzione/elaborazione selettiva, che vanno dal 4,1% al 13,4% rispetto alla linea di base e rispetto al gruppo AC. L’analisi suggerisce che queste riduzioni potrebbero essere attribuibili ad un aumento del carico termico e all’influenza combinata di altri fattori ambientali (ad esempio, ventilazione, acustica) e comportamentali (ad esempio, idratazione, sonno) che aggravano gli effetti dell’esposizione al calore in ambienti reali. L’aumento delle prove provenienti da studi sperimentali, epidemiologici ed econometrici ha dimostrato gli effetti di una maggiore esposizione al calore sulla produttività[38], sulla capacità di apprendimento[39] e sulla morbilità e mortalità nell’uomo[17,18,40]. Questa ricerca si basa su questo corpus di prove perché è il primo studio sul campo che dimostra gli effetti cognitivi dannosi di un HW in un gruppo di individui giovani e sani. La ricerca incentrata sui percorsi meccanicistici in cui la temperatura corporea modula la funzione neurocomportamentale negli esseri umani si basa spesso sull’induzione sperimentale dell’ipertermia passiva attraverso l’esposizione ambientale controllata al calore. Questi sforzi, tuttavia, non riescono a ricreare i complessi fattori ambientali e comportamentali che influenzano le funzioni cognitive che si trovano in ambienti reali. Al contrario, siamo stati in grado di caratterizzare in modo completo le esposizioni ambientali e le reazioni fisiologiche, nonché i comportamenti di 2 gruppi provenienti dalla stessa popolazione, ma con un’esposizione differenziale al calore durante un HW naturale. Pertanto, le esposizioni ambientali hanno una validità inequivocabile in termini di grandezza, durata e complessità.

Relazione tra temperatura interna e funzione cognitiva

L’analisi degli effetti individuali dei parametri ambientali interni indica che temperature interne più elevate durante il periodo di sonno hanno portato a significativi deficit di funzioni cognitive attraverso le 5 metriche cognitive considerate in questo studio. I nostri risultati supportano i precedenti rapporti di riduzioni relative della produzione di ADD (-11,7%; p = 0, 01) e STROOP (-9,5%; p = 0,09 ) a 30°C rispetto ai 22°C [27]. Allo stesso modo, abbiamo trovato una riduzione relativa del 9,51% nella produzione di ADD e del 7,48% nella produzione di STROOP per un’esposizione equivalente alla temperatura (Δ8°C). Abbiamo trovato una relazione a forma di U e una relazione a forma di U invertita tra la temperatura massima interna durante la notte e il tempo di reazione e il throughput di STROOP, rispettivamente. Simili relazioni non lineari tra la temperatura interna e le prestazioni dei test cognitivi mostrano un intervallo ottimale per i test cognitivi e la produttività del lavoro d’ufficio centrata intorno ai 22°C [27,41]. Questo valore di temperatura è inferiore al punto termico neutro (26 ± 0,5°C) previsto dal modello di scambio termico basato sulla fisiologia proposto da Gagge e Nishi (2011) per una popolazione giovane in un leggero involucro di abbigliamento estivo, così come il modello di comfort termico adattivo [42].

In confronto, il tempo di reazione del controllo inibitorio STROOP, così come il tempo di reazione ADD e il throughput, hanno mostrato una relazione lineare con le esposizioni alla temperatura interna, suggerendo che la temperatura di eccitazione per il controllo inibitorio e la memoria di lavoro potrebbe avere un’ottimizzazione inferiore rispetto alla velocità di lavoro in STROOP. È stato precedentemente proposto che gli effetti differenziali ai vari domini cognitivi potrebbero derivare da sensibilità termiche specifiche per zona nel cervello[43]. Sun e colleghi (2013), per esempio, hanno trovato un aumento del tempo di risposta del controllo inibitorio tra i soggetti indotti passivamente all’ipertermia; hanno attribuito questo effetto a cambiamenti significativi nella connettività funzionale delle aree cerebrali responsabili della funzione esecutiva di alto ordine e della trasmissione del segnale somatosensoriale degli stimoli della temperatura della pelle (diminuzione della connettività della corteccia orbito-frontale mediale e dei lobi temporali e parietali) e della termoregolazione (aumento della connettività delle aree ipotalamiche)[26]. Altri hanno trovato un deterioramento delle prestazioni in ADD a diversi incrementi della temperatura interna indotta dall’esposizione controllata al calore[44]. Analogamente ai loro risultati, abbiamo anche osservato un progressivo deficit di prestazioni associato all’esposizione al calore, nonostante l’evidenza suggestiva che i soggetti avevano raggiunto un certo livello di adattamento fisiologico entro la fine dello studio. Nel nostro caso, il gruppo non-AC ha mostrato un aumento significativo dell’HR durante il sonno per i primi giorni dell’HW, seguito da una riduzione dei livelli di HR prima dell’intervento durante gli ultimi 2 giorni dello studio, anche se le temperature interne durante quei giorni sono rimaste praticamente invariate(Fig 2C). In ADD, abbiamo trovato una relazione lineare tra temperatura interna e deficit delle funzioni cognitive. Deficit cognitivi dovuti al freddo sono stati trovati a temperature inferiori a quelle che abbiamo osservato[20,44], il che potrebbe spiegare perché i nostri risultati non hanno mostrato un punto di inflessione nelle prestazioni di ADD.

Relazione tra altre esposizioni ambientali e funzione cognitiva

Le differenze di esposizione ambientale tra i gruppi AC e non AC si estendono oltre la temperatura. I bassi tassi di ventilazione nel gruppo AC hanno portato a concentrazioni di_CO2 significativamente più elevate durante i periodi di sonno(p < 0, 001). I bassi tassi di ventilazione e le concentrazioni di_CO2 normalmente presenti negli edifici per uffici (circa 1.000 ppm) sono stati recentemente associati ad un deterioramento in diversi settori delle funzioni cognitive di alto ordine[45,46]. Abbiamo trovato che le concentrazioni di_CO2 oltre la mediana (1.250 ppm) sono state associate a tempi di reazione inibitori più lunghi (z-score = 0,13 ± 0,06; p = 0, 02). Il ruolo predominante dell’esposizione alla temperatura potrebbe spiegare perché nessun altro test cognitivo metriche sono stati significativamente associati a concentrazioni di_CO2[27], come trovato da Lan e colleghi (2017). Livelli di rumore significativamente più elevati nel gruppo esposto erano probabilmente dovuti all’uso continuo di ventilatori e finestre aperte come strategia di mitigazione del calore durante l’HW. Un miglioramento significativo del tempo di reazione e della produttività in STROOP è stato associato a livelli di decibel più elevati, il che è coerente con i precedenti risultati di effetti antagonisti delle esposizioni al rumore e alla temperatura[47,48]. Una prima spiegazione di questo fenomeno è stata proposta da Houston (1969)[49] basata sull’effetto del rumore che inibisce l’interferenza di altri tipi di stimoli (ad esempio, temperatura, colore-parola incongruente), facilitando così l’esecuzione del compito valutato.

Relazione tra fattori comportamentali e funzione cognitiva

Nello studio attuale, abbiamo usato l’assunzione di liquidi auto-riferito come misura indiretta del livello di idratazione. Nonostante i limiti di questo indicatore, abbiamo trovato che un’assunzione al di sotto della mediana nello studio (cioè 6 bicchieri di liquido al giorno) era associata a deficit di funzioni cognitive in tutte le metriche valutate. Utilizzando marcatori più precisi di disidratazione, altri hanno scoperto che il deficit delle funzioni cognitive è associato all’ipovolemia, ulteriormente aggravata dallo stress da calore e dall’attività fisica[23,50]. Il controllo inibitorio STROOP era sensibile al lasso di tempo tra il risveglio e il tempo di prova, con prestazioni più scadenti associate a tempi più lunghi. Nel 2015, Burke e i suoi colleghi[51] hanno riportato una riduzione delle prestazioni subito dopo il risveglio, migliorando gradualmente nel successivo periodo di 2-4 ore con la dissipazione dell’inerzia del sonno. Poiché il tempo medio di decadimento nel nostro studio è stato di 0,9 ore (SD = 0,81), gli effetti dell’inerzia del sonno potrebbero aver influito ancora su questo risultato cognitivo.

I risultati dell’analisi di mediazione suggeriscono che il sonno potrebbe essere una variabile intermedia nel meccanismo causale tra le esposizioni alla temperatura interna e la funzione cognitiva, che sono stati significativi per il throughput ADD. Le nostre piccole dimensioni del campione e la limitata affidabilità dei valori TST basati sull’actigrafia impediscono a questa analisi di produrre risultati conclusivi sul ruolo di mediazione del sonno negli effetti cognitivi.

Implicazioni per le strategie di adattamento esistenti al calore estremo negli edifici

Le nostre scoperte hanno implicazioni rilevanti per la progettazione di edifici, la riprogettazione e le strategie di adattamento a un clima in continua evoluzione. I risultati dei modelli DiD suggeriscono che l’HW ha avuto un effetto dannoso causale su 5 misure delle funzioni cognitive nel gruppo esposto (non-AC) rispetto al gruppo di controllo (AC) durante il periodo di riferimento. Anche l’entità relativa di questi effetti è sostanziale. La riduzione relativa del 13,9% (z-score = -0,47) del flusso di ADD nell’ultimo giorno di HW è paragonabile alla riduzione relativa del 15,8% del flusso di ADD su un ADD seriale associato a 24 ore di privazione del sonno [52]. Uno sguardo più attento all’andamento temporale degli effetti, in particolare nell’ADD, mostra una differenza progressivamente crescente nella funzione cognitiva tra i 2 gruppi; infatti, le stime degli effetti sono maggiori dopo che i valori della temperatura esterna si sono attenuati. Tuttavia, la grande inerzia termica caratteristica degli edifici nei climi dominati dal riscaldamento ha prolungato le elevate esposizioni al calore interno oltre la durata ufficiale dell’HW(Fig 1). Poiché i sistemi a corrente alternata sono spesso un addendum alla costruzione esistente, le proprietà strutturali degli edifici sono simili alle loro controparti non a corrente alternata, e quindi il loro effetto protettivo dipende dalla disponibilità di energia elettrica. Le implicazioni associate alla limitata abitabilità passiva dell’attuale ambiente costruito sono state segnalate prima[53,54]. I nostri risultati sottolineano la necessità di tenere conto delle proprietà termiche dell’edificio che modificano l’esposizione al calore interno. Gli attuali strumenti di simulazione dell’edificio potrebbero essere utilizzati per modellare il potenziale di ritenzione termica delle strutture edilizie per calcolare una previsione dell’indice di calore interno ad alta risoluzione spaziale. Tali strumenti potrebbero essere implementati a livello di città come parte dei piani di adattamento al calore estremo.

Questi risultati forniscono l’evidenza per mitigare l’esposizione al calore tra le popolazioni normalmente considerate resilienti ad esse, specialmente in contesti in cui i processi cognitivi sono critici per garantire l’apprendimento, la sicurezza o la produttività. L’aumento dell’adozione degli attuali sistemi di raffreddamento meccanico, tuttavia, comporta diverse sfide irrisolte. In primo luogo, il loro utilizzo rappresenta un feedback positivo al cambiamento climatico a causa dell’aumento delle emissioni di gas serra associato ad una maggiore richiesta di energia e alle perdite involontarie di refrigerante, anche in luoghi in cui le rinnovabili costituiscono una parte maggiore del mix di produzione di energia elettrica[55-57]. In secondo luogo, la loro progettazione e il loro funzionamento carenti, che spesso portano a spazi eccessivamente raffreddati e sottoventilati, hanno effetti negativi sulle funzioni cognitive e aumentano il rischio di esposizione a fonti inquinanti interne[58]. Infine, le esposizioni a lungo termine ad ambienti termicamente controllati potrebbero avere un effetto disadattivo sull’acclimatazione fisiologica, aumentando potenzialmente la suscettibilità biologica allo stress da calore[59]. I nuovi materiali da costruzione[60] potrebbero rappresentare soluzioni alternative per la gestione senza compromessi di regimi termici estremi più esigenti previsti in futuro.

La limitata fascia di età degli studenti rappresenta un limite nel nostro studio. Tuttavia, i risultati coerenti in questa popolazione giovane e sana potrebbero indicare che una parte maggiore della popolazione è ugualmente o più suscettibile a questi effetti. Un altro limite è che lo studio è stato condotto in un clima dominato dal riscaldamento, il che potrebbe compromettere la generalizzabilità dei risultati. Ulteriori ricerche in altre latitudini e impostazioni dovrebbero affrontare la questione della suscettibilità e dell’acclimatazione allo stress da calore. Poiché le valutazioni cognitive quotidiane hanno avuto luogo subito dopo il risveglio, il nostro studio esamina gli effetti acuti che possono essere transitori in questa o in altre popolazioni. In mancanza di informazioni sull’ubicazione e sulle esposizioni ambientali concomitanti durante il giorno, non siamo riusciti a determinare se gli effetti osservati si estendono durante il resto della giornata. Tuttavia, riteniamo che le richieste di funzioni cognitive durante la prima finestra temporale comportino compiti critici, come il pendolarismo, che sono stati trovati ad essere colpiti da HW[61]. Ulteriori ricerche potrebbero esaminare gli effetti prolungati di questa associazione durante il giorno. L’inquinamento dell’aria può aumentare durante gli HW, con il risultato che le concentrazioni all’interno degli edifici possono essere diverse se l’uso della corrente alternata o l’uso delle finestre differiscono da un edificio all’altro. Mentre gli effetti negativi dell’inquinamento atmosferico sulle funzioni cognitive sono per lo più attribuiti ai cambiamenti dello sviluppo neurologico[62], recenti evidenze suggeriscono anche un effetto acuto di criteri inquinanti come il biossido di azoto e il carbonio elementare sui processi di attenzione[63].

Gli effetti sulla salute dello stress da calore dovuto ai cambiamenti climatici, che si manifestano come deficit delle funzioni cognitive, si estendono a settori più ampi della popolazione e possono avere implicazioni significative sul livello di istruzione, sulla produttività economica e sulla sicurezza sul lavoro. L’esposizione alla temperatura interna degli edifici non climatizzati ha prolungato il periodo ufficiale di HW. Data l’importanza delle esposizioni al calore interno, riteniamo necessario considerare le proprietà termiche degli edifici negli indici di calore interno quando prevediamo l’HW per la corretta valutazione dei rischi di esposizione al calore. Inoltre, i metodi esistenti per mitigare le esposizioni al calore interno forniscono una soluzione a breve termine solo attraverso il comfort termico localizzato a scapito di un potenziale aumento delle emissioni di gas serra e di una maggiore esposizione ai contaminanti interni. Una gestione sostenibile dei carichi termici interni richiederà l’uso di un nuovo design e di nuovi materiali per gli edifici, così come progressi tecnologici scalabili nei sistemi di ventilazione e raffreddamento degli edifici.

Informazioni di supporto

References

1. Xu Z, Sheffield PE, Hu W, Su H, Yu W, Qi X. Climate Change and Children’s Health—A Call for Research on What Works to Protect Children. International Journal of Environmental Research and Public Health. 2012; 9(9):3298. Publisher Full Text | PubMed
2. Astrom D, Forsberg B, Rocklov J. Heat wave impact on morbidity and mortality in the elderly population: A review of recent studies. Maturitas. 2011; 69(2):99-105. Publisher Full Text | PubMed
3. Ye X, Wolff R, Yu W, Vaneckova P, Pan X, Tong S. Ambient Temperature and Morbidity: A Review of Epidemiological Evidence. Environmental Health Perspectives. 2012; 120(1):19-28. Publisher Full Text | PubMed
4. Saha M, Davis R, Hondula D. Mortality Displacement as a Function of Heat Event Strength in 7 US Cities. American Journal of Epidemiology. 2014; 179(4):467-74. Publisher Full Text | PubMed
5. Harlan S, Declet-Barreto J, Stefanov W, Petitti D. Neighborhood Effects on Heat Deaths: Social and Environmental Predictors of Vulnerability in Maricopa County, Arizona. Environmental Health Perspectives. 2013; 121(2):197-204. Publisher Full Text | PubMed
6. Madrigano J, Mittleman M, Baccarelli A, Goldberg R, Melly S, von Klot S. Temperature, Myocardial Infarction, and Mortality Effect Modification by Individual- and Area-level Characteristics. Epidemiology. 2013; 24(3):439-46. Publisher Full Text | PubMed
7. [cited 25 June 2018].Publisher Full Text
8. Robine JM, Cheung SL, Le Roy S, Van Oyen H, Griffiths C, Michel JP. Death toll exceeded 70,000 in Europe during the summer of 2003. C R Biol. 2008; 331Publisher Full Text | PubMed
9. Meehl GA, Tebaldi C. More intense, more frequent, and longer lasting heat waves in the 21st century. Science. 2004; 305Publisher Full Text | PubMed
10. . [cited 15 May 2017].Publisher Full Text
11. Sarofim MC, Saha S, Hawkins M, Mills D, Hess J, Horton R, et al. Ch. 2: Temperature-related death and illness. US Global Change Research Program, Washington, DC, 2016.
12. Hayhoe K, Wake C, Anderson B, Liang X-Z, Maurer E, Zhu J. Regional climate change projections for the Northeast USA. Mitigation and Adaptation Strategies for Global Change. 2008; 13(5–6):425-36.
13. Gao Y, Fu J, Drake J, Liu Y, Lamarque J. Projected changes of extreme weather events in the eastern United States based on a high resolution climate modeling system. Environmental Research Letters. 2012; 7(4)Publisher Full Text
14. Kunkel KE, Stevens LE, Stevens SE, Sun L, Janssen E, Wuebbles D. Regional climate trends and scenarios for the US national climate assessment. 2013; 3:142-3.
15. Solomon S. Climate change 2007-the physical science basis: Working group I contribution to the fourth assessment report of the IPCC. Cambridge University Press; 2007.
16. Dai L, Kloog I, Coull B, Sparrow D, Spiro A, Vokonas P. Cognitive function and short-term exposure to residential air temperature: A repeated measures study based on spatiotemporal estimates of temperature. Environmental Research. 2016; 150:446-51. Publisher Full Text | PubMed
17. Zanobetti A, O’Neill MS, Gronlund CJ, Schwartz JD. Susceptibility to mortality in weather extremes: effect modification by personal and small area characteristics in a multi-city case-only analysis. Epidemiology (Cambridge, Mass). 2013; 24(6):809.
18. Gasparrini A, Guo Y, Hashizume M, Lavigne E, Zanobetti A, Schwartz J. Mortality risk attributable to high and low ambient temperature: a multicountry observational study. Lancet. 2015; 386(9991):369-75. Publisher Full Text | PubMed
19. Klepeis N, Nelson W, Ott W, Robinson J, Tsang A, Switzer P. The National Human Activity Pattern Survey (NHAPS): a resource for assessing exposure to environmental pollutants. Journal of Exposure Analysis and Environmental Epidemiology. 2001; 11(3):231-52. Publisher Full Text | PubMed
20. Makinen T, Palinkas L, Reeves D, Paakkonen T, Rintamaki H, Leppaluoto J. Effect of repeated exposures to cold on cognitive performance in humans. Physiology & Behavior. 2006; 87(1):166-76. Publisher Full Text | PubMed
21. Zhang F, de Dear R. University students’ cognitive performance under temperature cycles induced by direct load control events. Indoor Air. 2017; 27(1):78-93. Publisher Full Text | PubMed
22. Liu W, Zhong W, Wargocki P. Performance, acute health symptoms and physiological responses during exposure to high air temperature and carbon dioxide concentration. Building and Environment. 2017; 114:96-105. Publisher Full Text
23. Gopinathan P, Pichan G, Sharma V. Role of dehydration in heat stress-induced variations in mental performance. Archives of Environmental Health. An International Journal. 1988; 43(1):15-7. Publisher Full Text | PubMed
24. Obradovich N, Fowler JH. Climate change may alter human physical activity patterns. Nature Human Behaviour. 2017; 1:0097. Publisher Full Text
25. Kinney PL, O’Neill MS, Bell ML, Schwartz J. Approaches for estimating effects of climate change on heat-related deaths: challenges and opportunities. Environmental Science & Policy. 2008; 11(1):87-96. Publisher Full Text
26. Sun G, Qian S, Jiang Q, Liu K, Li B, Li M. Hyperthermia-induced disruption of functional connectivity in the human brain network. PLoS ONE. 2013; 8(4):e61157. Publisher Full Text | PubMed
27. Lan L, Wargocki P, Lian Z. Quantitative measurement of productivity loss due to thermal discomfort. Energy and Buildings. 2011; 43(5):1057-62.
28. Wright KP, Hull JT, Hughes RJ, Ronda JM, Czeisler CA. Sleep and wakefulness out of phase with internal biological time impairs learning in humans. Journal of Cognitive Neuroscience. 2006; 18(4):508-21. Publisher Full Text | PubMed
29. Gaoua N, Racinais S, Grantham J, El Massioui F. Alterations in cognitive performance during passive hyperthermia are task dependent. International Journal of Hyperthermia. 2011; 27(1):1-9. Publisher Full Text | PubMed
30. Liu K, Sun G, Li B, Jiang QJ, Yang X, Li M. The impact of passive hyperthermia on human attention networks: An fMRI study. Behavioural Brain Research. 2013; 243:220-30. Publisher Full Text | PubMed
31. Barnhoorn JS, Haasnoot E, Bocanegra BR, van Steenbergen H. QRTEngine: An easy solution for running online reaction time experiments using Qualtrics. Behavior Research Methods. 2015; 47(4):918-29. Publisher Full Text | PubMed
32. Åkerstedt T, Gillberg M. Subjective and Objective Sleepiness in the Active Individual. International Journal of Neuroscience. 1990; 52(1–2):29-37. Publisher Full Text | PubMed
33. Davis RE, McGregor GR, Enfield KB. Humidity: A review and primer on atmospheric moisture and human health. Environmental Research. 2016; 144:106-16. Publisher Full Text | PubMed
34. Wang R, Blackburn G, Desai M, Phelan D, Gillinov L, Houghtaling P. Accuracy of wrist-worn heart rate monitors. Jama cardiology. 2017; 2(1):104-6. Publisher Full Text | PubMed
35. Stahl SE, An H-S, Dinkel DM, Noble JM, Lee J-M. How accurate are the wrist-based heart rate monitors during walking and running activities? Are they accurate enough?. BMJ Open Sport. 2016; 2(1)Publisher Full Text | PubMed
36. Abadie A. Semiparametric Difference-in-Differences Estimators. The Review of Economic Studies. 2005; 72(1):1-19. Publisher Full Text
37. Imai K, Keele L, Tingley D, Yamamoto T. Causal Mediation Analysis Using R2010. Springer New York: New York, NY.
38. Zander KK, Botzen WJ, Oppermann E, Kjellstrom T, Garnett ST. Heat stress causes substantial labour productivity loss in Australia. Nature Climate Change. 2015; 5(7):647-51.
39. Wargocki P, Wyon DP. Ten questions concerning thermal and indoor air quality effects on the performance of office work and schoolwork. Building and Environment. 2017; 112:359-66. Publisher Full Text
40. Hansen A, Bi P, Nitschke M, Ryan P, Pisaniello D, Tucker G. The effect of heat waves on mental health in a temperate Australian city. Environmental Health Perspectives. 2008; 116(10):1369-75. Publisher Full Text | PubMed
41. Seppänen OA, Fisk W. Some Quantitative Relations between Indoor Environmental Quality and Work Performance or Health. HVAC&R Research. 2006; 12(4):957-73. Publisher Full Text
42. ASHRAE (American Society of Heating R, Engineers). aA-C. ANSI/ ASHRAE Standard 55–2016. Thermal Environmental Conditions for Human Occupancy. ASHRAE: Atlanta, GA; 2016.
43. Wilkinson R. Some factors influencing the effect of environmental stressors upon performance. Psychological Bulletin. 1969; 72(4):260-72. Publisher Full Text | PubMed
44. O’Brien C, Mahoney C, Tharion WJ, Sils IV, Castellani JW. Dietary tyrosine benefits cognitive and psychomotor performance during body cooling. Physiology & behavior. 2007; 90(2):301-7. PubMed
45. Satish U, Mendell MJ, Shekhar K, Hotchi T, Sullivan D, Streufert S. Is CO2 an indoor pollutant? Direct effects of low-to-moderate CO2 concentrations on human decision-making performance. Environmental health perspectives. 2012; 120(12):1671. Publisher Full Text | PubMed
46. Allen JG, MacNaughton P, Satish U, Santanam S, Vallarino J, Spengler JD. Associations of Cognitive Function Scores with Carbon Dioxide, Ventilation, and Volatile Organic Compound Exposures in Office Workers: A Controlled Exposure Study of Green and Conventional Office Environments. Environ Health Perspect. 2016; 124(6):805-12. Publisher Full Text | PubMed
47. Hygge S, Knez I. Effects of noise, heat and indoor lighting on cognitive performance and self-reported affect. Journal of Environmental Psychology. 2001; 21(3):291-9. Publisher Full Text
48. Thomas W, WD P., Geo C. The effects of moderate heat stress and open‐plan office noise distraction on SBS symptoms and on the performance of office work. Indoor Air. 2004; 14(s8):30-40. Publisher Full Text | PubMed
49. Houston BK. Noise, task difficulty, and Stroop color-word performance. Journal of Experimental Psychology. 1969; 82(2):403-4. Publisher Full Text
50. Ganio MS, Armstrong LE, Casa DJ, McDermott BP, Lee EC, Yamamoto LM. Mild dehydration impairs cognitive performance and mood of men. British Journal of Nutrition. 2011; 106(10):1535-43. Publisher Full Text | PubMed
51. Burke TM, Scheer FA, Ronda JM, Czeisler CA, Wright KP. Sleep inertia, sleep homeostatic and circadian influences on higher‐order cognitive functions. Journal of sleep research. 2015; 24(4):364-71. Publisher Full Text | PubMed
52. Thomas M, Sing H, Belenky G, Holcomb H, Mayberg H, Dannals R. Neural basis of alertness and cognitive performance impairments during sleepiness. I. Effects of 24 h of sleep deprivation on waking human regional brain activity. Journal of sleep research. 2000; 9(4):335-52. PubMed
53. Quinn A, Tamerius JD, Perzanowski M, Jacobson JS, Goldstein I, Acosta L. Predicting indoor heat exposure risk during extreme heat events. Science of the Total Environment. 2014; 490:686-93. Publisher Full Text | PubMed
54. Holmes SH, Phillips T, Wilson A. Overheating and passive habitability: indoor health and heat indices. Building Research & Information. 2016; 44(1):1-19.
55. Davis LW, Gertler PJ. Contribution of air conditioning adoption to future energy use under global warming. Proceedings of the National Academy of Sciences. 2015; 112(19):5962-7.
56. Gallagher G, Zhan T, Hsu Y-K, Gupta P, Pederson J, Croes B. High-Global Warming Potential F-gas Emissions in California: Comparison of Ambient-Based versus Inventory-Based Emission Estimates, and Implications of Refined Estimates. Environmental science & technology. 2014; 48(2):1084-93. PubMed
57. Abel D, Holloway T, Kladar RM, Meier P, Ahl D, Harkey M. Response of Power Plant Emissions to Ambient Temperature in the Eastern United States. Environmental Science & Technology. 2017.
58. Medicine Io. Climate Change, the Indoor Environment, and Health. The National Academies Press: Washington, DC; 2011.
59. Yu J, Ouyang Q, Zhu Y, Shen H, Cao G, Cui W. A comparison of the thermal adaptability of people accustomed to air‐conditioned environments and naturally ventilated environments. Indoor air. 2012; 22(2):110-8. Publisher Full Text | PubMed
60. Zhai Y, Ma Y, David SN, Zhao D, Lou R, Tan G. Scalable-manufactured randomized glass-polymer hybrid metamaterial for daytime radiative cooling. Science. 2017; 355(6329):1062-6. Publisher Full Text | PubMed
61. Basagaña X, Escalera-Antezana JP, Dadvand P, Llatje Ò, Barrera-Gómez J, Cunillera J. High ambient temperatures and risk of motor vehicle crashes in Catalonia, Spain (2000–2011): a time-series analysis. Environmental health perspectives. 2015; 123(12):1309. Publisher Full Text | PubMed
62. Block ML, Elder A, Auten RL, Bilbo SD, Chen H, Chen JC. The outdoor air pollution and brain health workshop. Neurotoxicology. 2012; 33(5):972-84. Publisher Full Text | PubMed
63. Sunyer J, Suades-González E, García-Esteban R, Rivas I, Pujol J, Alvarez-Pedrerol M. Traffic-related Air Pollution and Attention in Primary School Children: Short-term Association. Epidemiology. 2017; 28(2):181-9. Publisher Full Text | PubMed