El calor está asociado con cortos

Mar 09, 2024

Naturaleza Comportamiento humano (2023)Citar este artículo

2321 Accesos

374 altmétrico

Detalles de métricas

Se espera que el aumento de las temperaturas detenga los avances en materia de inseguridad alimentaria al reducir los rendimientos agrícolas en las próximas décadas. Pero los períodos calurosos también pueden aumentar la inseguridad alimentaria en los días en que hace demasiado calor para trabajar y obtener ingresos, limitando así la capacidad de los hogares para comprar alimentos. Aquí exploto las variaciones en los niveles de calor durante una encuesta de hogares que abarca 150 países en un experimento casi natural para mostrar que las semanas particularmente calurosas están asociadas con mayores posibilidades de inseguridad alimentaria entre los hogares (0,5767, intervalo de confianza del 95%: 0,2958–0,8576, t = 4,024 , gl = 427.816, P < 0,001). Esta asociación está mediada por reducciones en los ingresos y la salud de los hogares y los efectos son más fuertes en países con ingresos más bajos y formas de empleo más agrícolas o precarias. Los resultados resaltan la importancia de las perturbaciones del mercado laboral para la inseguridad alimentaria y sugieren la integración de estas preocupaciones en los planes de acción contra el calor y los programas alimentarios.

Dos mil millones de personas en todo el mundo padecen inseguridad alimentaria1. Se prevé que el cambio climático detenga el progreso hacia la seguridad alimentaria, particularmente en regiones que ya luchan contra la desnutrición2. La evidencia existente muestra que el aumento de las temperaturas puede provocar inseguridad alimentaria en los próximos meses o años al reducir la productividad agrícola y las cosechas2,3,4,5. Pero las temperaturas más altas pueden no sólo afectar la disponibilidad de alimentos a largo plazo, sino también afectar inmediatamente la capacidad de las personas para acceder a los alimentos y costearlos6,7. Los períodos especialmente calurosos pueden provocar inseguridad alimentaria en unos días, cuando hace demasiado calor para trabajar y los hogares pierden ingresos, lo que limita su capacidad para comprar alimentos.

Los períodos calurosos crean tensión física para los trabajadores y reducen su productividad o sus horas de trabajo, lo que puede generar shocks económicos para los hogares8,9,10. Por ejemplo, a las trabajadoras ladrilleras en Bengala Occidental, India, se les paga según la cantidad de ladrillos que transportan en un día y experimentan pérdidas de ingresos de hasta el 50% cuando el estrés por calor las obliga a reducir la velocidad de su caminata y cargar menos ladrillos11. La evidencia reciente de la India documenta la lucha de estos trabajadores para poder comprar alimentos cuando no pueden trabajar y obtener ingresos9. En todo el mundo, en 2021 se perdieron ~470 mil millones de horas de trabajo potenciales, equivalentes a casi 1,5 semanas de trabajo por persona en la Tierra, debido al calor extremo, con graves consecuencias económicas que pueden afectar la seguridad alimentaria12.

Esta asociación entre calor, ingresos e inseguridad alimentaria puede diferir entre países. Las personas que viven en países con empleos más expuestos al calor, como la construcción o la agricultura, pueden experimentar efectos más fuertes del calor en la inseguridad alimentaria. Por ejemplo, se estima que dos tercios de las horas de trabajo potenciales perdidas en 2021 se acumularon entre los trabajadores agrícolas12. Además, las personas que viven en países con ingresos más altos pueden, en promedio, disfrutar de un nivel de vivienda más alto13, acceso a tecnologías de refrigeración14 y una mayor asequibilidad de los alimentos15, lo que podría proteger a las personas de la exposición al calor y ayudar a amortiguar el impacto de las pérdidas de ingresos en el gasto en alimentos.

En este artículo, utilizo una encuesta de hogares en 150 países para mostrar que el calor está asociado con una mayor inseguridad alimentaria a los pocos días de la exposición y que este aumento está mediado por reducciones en los ingresos y la salud con efectos más fuertes en países con ingresos más bajos y mayores proporciones de población. empleo agrícola o precario. El análisis revela una trayectoria de corto plazo basada en los ingresos entre el calor y la inseguridad alimentaria a nivel de los hogares, lo que sugiere una adición necesaria al enfoque actual sobre los impactos agrícolas a largo plazo en el debate académico y la formulación de políticas en torno al calor y la inseguridad alimentaria.

La muestra completa del análisis incluyó 543.852 observaciones en 2.935 subregiones y 150 países (Fig. 1a). El 25,75% de los encuestados con tasas más altas en países con menores ingresos informaron de inseguridad alimentaria de moderada a grave. En todos los países, el nivel promedio de inseguridad alimentaria fue más bajo para el percentil 50 al 75 de calor durante todo el año medido con el Índice Universal de Clima Térmico (UTCI, °C), pero comenzó a aumentar para los percentiles más altos (Fig. 1b). Casi el 15% de todas las observaciones se realizaron después de una semana calurosa, lo que es demasiado representativo de las experiencias globales y refleja las encuestas más frecuentes durante los meses más cálidos del año.

a, La proporción promedio de inseguridad alimentaria de moderada a grave en cada país. b, El nivel promedio de inseguridad alimentaria por percentil de UTCI diario durante todo el año, incluida una línea de tendencia suavizada con un IC del 95%.

El modelo lineal multinivel que compara los días calurosos con la inseguridad alimentaria muestra que el número de días calurosos en la última semana se asocia con niveles significativamente más altos de inseguridad alimentaria de moderada a grave (Información complementaria 5.2). La Figura 2 muestra los efectos del número de días calurosos en la inseguridad alimentaria de moderada a grave en comparación con no haber experimentado ningún día caluroso en la última semana. Los resultados sugieren que los efectos del calor se acumulan a lo largo de la semana y se vuelven más fuertes a medida que aumenta el número de días calurosos de la semana. Por ejemplo, tres días calurosos se asocian con un aumento de 0,78 puntos porcentuales (intervalo de confianza (IC) del 95 %: 0,2488–1,3119, t = 2,878, gl = 427.810, P = 0,004) en las posibilidades de inseguridad alimentaria de moderada a grave en comparación a no haber experimentado días calurosos, mientras que siete días calurosos se asocian con un aumento de 1,88 puntos porcentuales (IC del 95%: 0,9124–2,8383, t = 3,817, gl = 427,810, P < 0,001).

AME de días calurosos en la última semana por inseguridad alimentaria de moderada a severa; Se informan IC del 95%, n = 427.832.

Como siguiente paso, construyo un indicador binario que clasifica la última semana como calurosa si al menos tres días estuvieron en el 10% más caluroso del año en esa subregión. Esta medida captura la acumulación de estrés por calor durante varios días que se muestra en la Fig. 2 y simplifica los análisis e interpretaciones adicionales. Una semana calurosa, en promedio, se asocia con un aumento de 0,5406 puntos porcentuales (IC del 95%: 0,2301–0,851, t = 3,413, gl = 543.847, P < 0,001) en las posibilidades de inseguridad alimentaria de moderada a grave en todos los países (Tabla 1, modelo 1). Después de controlar por área, sexo, edad, estado de pareja, precipitación durante la última semana, UTCI promedio durante todo el año, número de días calurosos en los últimos 12 meses y efectos fijos para el año, el efecto aumenta a 0,7466 puntos porcentuales. (IC del 95%: 0,3979–1,0951, P <0,001, gl = 427.816, t = 4,197) (Tabla 1, modelo 2). En el siguiente paso, se utilizan puntuaciones de propensión de equilibrio de covariables (CBPS) para minimizar el desequilibrio de covariables entre el grupo de tratamiento y control. La Figura 3a muestra la disminución de las diferencias de medias absolutas para cada covariable entre el grupo de control y de tratamiento antes y después del equilibrio de covariables. Después del ajuste CBPS, una semana calurosa se asocia con un aumento de 0,5767 puntos porcentuales en las posibilidades de inseguridad alimentaria de moderada a grave (IC del 95%: 0,2958–0,8576, t = 4,024, gl = 427.816, P < 0,001) (Tabla 1 , modelo 3).

a, La reducción de la diferencia media absoluta entre el grupo de tratamiento y control para cada covariable antes y después del ajuste CBPS. b, AME ajustado y no ajustado de una semana calurosa en distintos grados de inseguridad alimentaria (FI) con IC del 95%; norte = 427.832.

La Figura 3b presenta los efectos marginales promedio (AME) no ajustados y ajustados por CBPS de una semana calurosa sobre la inseguridad alimentaria de leve a grave, de moderada a grave y grave. Los resultados muestran que el efecto de una semana calurosa se vuelve más fuerte en las formas más graves de inseguridad alimentaria. Además, las ponderaciones del CBPS disminuyen consistentemente el tamaño pero aumentan la precisión del efecto estimado de una semana calurosa.

Antes de proceder al análisis de mediación y moderación, realizo varias comprobaciones de robustez del modelo principal que profundizan en los supuestos y complejidades detrás del modelo de probabilidad lineal para respuesta binaria. Proporciono un resumen de los análisis aquí e informo más detalles en Información complementaria. Como primer paso, pruebo los supuestos subyacentes al diseño del experimento cuasi natural. Un supuesto clave es que los hogares se asignan aleatoriamente al grupo de tratamiento y al de control de modo que, en promedio, los dos grupos sean similares con respecto a las covariables. El método CBPS se ajusta a los posibles desequilibrios entre el grupo de tratamiento y el de control, que a menudo ocurren en experimentos cuasi naturales cuando el tratamiento no es verdaderamente aleatorio. Por ejemplo, la Fig. 3b muestra cómo el ajuste del CBPS reduce la gran diferencia en el calor promedio durante todo el año entre los hogares tratados y no tratados. Describo el procedimiento CBPS con más detalle en Información complementaria 3.1. Sin embargo, las puntuaciones del CBPS no tienen en cuenta el sesgo de selección basado en el ingreso del hogar, que es un mediador y, por lo tanto, está excluido de las covariables del modelo principal. Encuentro que los hogares con ingresos más bajos tienen más probabilidades de ser entrevistados después de una semana particularmente calurosa (0,0035, IC del 95%: 0,0016–0,0054, t = 3,619, gl = 460.146, P < 0,001). Por lo tanto, como prueba de solidez, incluyo la proporción de entrevistas con ingresos más bajos en un día como variable de control en el modelo principal y descubro que no cambia sustancialmente la asociación entre una semana calurosa y la inseguridad alimentaria (0,0069, IC del 95%: 0,0034– 0,0104, t = 3,895, gl = 427.815, P <0,001) (Información complementaria 3.2). También pruebo el modelo utilizando requisitos de precisión más estrictos para la coincidencia geográfica del UTCI con el hogar, lo que puede ser menos preciso para subregiones más grandes. La asociación positiva y significativa entre una semana calurosa y la inseguridad alimentaria se mantiene incluso cuando se controla el tamaño y la variación de las observaciones UTCI dentro de las subregiones (0,0091, IC del 95 %: 0,0056–0,0126, t = 5,057, gl = 420.661, P < 0,001). También se cumple cuando se utilizan solo subregiones con una variación baja (0,0114, IC del 95 %: 0,0072–0,0156, t = 5,293, gl = 281 053 P < 0,001) (Información complementaria 3.3). En la Información complementaria 4, exploro las especificaciones del modelo no lineal y analizo las limitaciones de los datos que restringen las opciones del modelo. Encuentro que el modelo de probabilidad lineal para la respuesta binaria en el manuscrito principal supera a los modelos no lineales más complejos. Por ejemplo, el criterio de información de Akaike para el modelo de probabilidad lineal es 359 405 en comparación con 364 961 para el modelo logit (Información complementaria 4.1). También confirmo la asociación entre calor e inseguridad alimentaria a través de medidas de calor continuo (Información complementaria 4.2), medidas de calor absoluto y relativo (Información complementaria 4.3), así como diferentes medidas de inseguridad alimentaria (Información complementaria 4.3). En la Información complementaria 5, investigo los efectos retardados del calor sobre la inseguridad alimentaria a largo y corto plazo. Muestro que diferentes formas de contabilizar la estacionalidad o la exposición previa al calor en los últimos 12 meses no cambian sustancialmente la asociación entre una semana calurosa y la inseguridad alimentaria (Información complementaria 5.1). También presento evidencia de que el efecto del calor sobre la inseguridad alimentaria se materializa varios días después de la exposición al calor y que este efecto se disipa para exposiciones menos recientes, lo que sugiere que los cambios observados en la medida de inseguridad alimentaria de 12 meses reflejan de hecho cambios en el calor. durante los últimos días previos a la encuesta (Información complementaria 5.2). Finalmente, exploro la sensibilidad de los resultados a los valores atípicos y las covariables y encuentro que ningún país es un valor atípico influyente en un análisis DFBETA. El DFBETA máximo es 0,0021 para Níger en comparación con un umbral de 0,0031 (Información complementaria 6.1). También encuentro que la asociación positiva y significativa entre una semana calurosa y la inseguridad alimentaria se mantiene utilizando diferentes conjuntos de covariables (Información complementaria 6.2). En general, los análisis de la Información complementaria respaldan la elección de un modelo de probabilidad lineal para la respuesta binaria como modelo principal y confirman que los resultados se mantienen en diferentes especificaciones de modelos y medidas de calor e inseguridad alimentaria.

La Figura 4 presenta los resultados de un análisis de mediación que se basa en el modelo de probabilidad lineal para la respuesta binaria. Los resultados muestran que las variables relacionadas con los ingresos y la salud son mediadores importantes entre una semana calurosa y una inseguridad alimentaria de moderada a grave. Primero, pruebo la asociación entre una semana calurosa y diferentes mediadores utilizando un conjunto completo de variables de control demográficas y relacionadas con el clima en un modelo de efectos mixtos de tres niveles con subregiones anidadas dentro de los países. Los resultados muestran que las personas que acaban de experimentar una semana calurosa tienen significativamente más probabilidades de tener problemas de salud, experimentar dificultades para vivir con sus ingresos actuales, reportar ingresos significativamente más bajos, dar una peor calificación al mercado laboral local y desear más empleo en los últimos siete días (Información complementaria 2.1). En segundo lugar, pruebo secuencialmente diferentes mediadores en modelos de dos niveles para el nivel de país y encuentro que los efectos promedio de la mediación son positivos y significativos para experimentar problemas de salud (0,0596, IC 95% 0,0001–0,0009, gl = 422,027, P < 0,001). dificultades para sobrevivir con los ingresos (0,0033, IC del 95%: 0,0022–0,0043, gl = 420.751, P < 0,001), los ingresos anuales (0,36, IC del 95%: 0,2939–0,4410, gl = 427.816, P < 0,001), el mercado laboral local ( 0,0719, IC del 95 %: 0,0452–0,1136, gl = 373.479, P < 0,001) y positivo pero insignificante para querer más empleo (0,0247, IC del 95 % −0,0061, 0,0005, gl = 424.561, P = 0,12). Los mediadores relacionados con los ingresos representan la mayor parte del efecto total de una semana calurosa sobre la inseguridad alimentaria, con un 63,35% mediado por dificultades para sobrevivir con los ingresos actuales y un 72,46% por los ingresos anuales. La calificación del mercado laboral local media el 16,26% y los problemas de salud individuales representan el 12,14%. El marco del modelo de ecuaciones estructurales utilizado en este análisis se restringió a modelos de dos niveles debido a limitaciones en los paquetes disponibles para el análisis de mediación que pueden generar imprecisión para los IC y los niveles de significancia. Por ejemplo, el desempleo no es un mediador significativo en un modelo de dos niveles (0,0247, IC del 95% −0,0061–0,0005, gl = 424.561, P = 0,12), aunque el desempleo es significativamente mayor después de una semana calurosa en un modelo de tres niveles. modelo (0,0041, 0,0010–0,0074, gl = 424.561, t = 2,610, P = 0,0091).

Los efectos de mediación totales, directos y promedio y sus IC del 95% para pruebas t bilaterales se reportan para problemas de salud (n = 422,043), dificultades para sobrevivir con los ingresos actuales (n = 420,767), el logaritmo del ingreso anual del hogar (n = 427.832), el mercado laboral local (n = 373.495) y querer más empleo (n = 424.577). El número de simulaciones para cada modelo es 100.

Para evaluar la heterogeneidad en el tamaño del efecto estimado entre países, interactúo diferentes moderadores a nivel de país con el indicador de semana calurosa. El análisis muestra que las personas pueden, en promedio, experimentar efectos más fuertes, más débiles o nulos de una semana calurosa en la inseguridad alimentaria dependiendo de las condiciones económicas y laborales de sus regiones. La Figura 5 en los paneles de la izquierda muestra el AME de una semana calurosa sobre inseguridad alimentaria de moderada a grave en diferentes niveles de cada moderador (Fig. 5a(i),b(i),c(i)). Los paneles de la izquierda también informan la densidad de observaciones en diferentes valores de moderador en los datos. Los paneles de la derecha en la Fig. 5(a(ii),b(ii),c(ii)) muestran los países que se espera que informen sobre los efectos positivos y significativos de una semana calurosa en la inseguridad alimentaria, dado su nivel del moderador respectivo. Por ejemplo, la figura 5a(i) muestra que los países con un ingreso nacional bruto per cápita más alto experimentan, en promedio, efectos significativamente menores de una semana calurosa sobre la inseguridad alimentaria. De hecho, las regiones con un ingreso nacional bruto per cápita superior a 8.180 dólares estadounidenses no experimentan, en promedio, efectos positivos y significativos de una semana calurosa sobre la inseguridad alimentaria. Por lo tanto, el gráfico 5a(ii) muestra regiones con ingresos nacionales brutos per cápita inferiores a 8.180 dólares estadounidenses, como Egipto o Bolivia, que se esperaría que experimentaran efectos estadísticamente significativos y positivos de una semana calurosa sobre la inseguridad alimentaria. También encuentro que las regiones con niveles más altos de empleo agrícola o vulnerable como porcentaje del empleo total experimentan, en promedio, efectos más fuertes de una semana calurosa sobre la inseguridad alimentaria. La Figura 5b(i) visualiza la interacción significativa y positiva entre una semana calurosa y el empleo agrícola (0,0005, IC del 95%: 0,0003–0,0007, t = 5,977, gl = 422,358, P <0,001) en la inseguridad alimentaria. El modelo predice que no se espera que las regiones con menos del 22% del empleo agrícola, como Rusia o México, experimenten efectos significativos. La figura 5b(i) también muestra que un país con una proporción de empleo agrícola del 70% experimentaría, en promedio, un aumento de 2,79 puntos porcentuales en la inseguridad alimentaria después de una semana calurosa. Sin embargo, el gráfico de densidad de las observaciones revela que hay pocas observaciones con niveles tan altos de empleo agrícola, lo que sugiere que rara vez se observan efectos tan fuertes en la práctica. Finalmente, los países con niveles más altos de empleo vulnerable, como los trabajadores autónomos sin empleados o los trabajadores familiares auxiliares, experimentan efectos más fuertes de una semana calurosa en la inseguridad alimentaria (0,0003, IC 95% 0,0002–0,0004, t = 4,945, gl = 422,358 , P < 0,001). El modelo predice que no se espera que los países con menos del 32% del empleo total clasificados como vulnerables, como Eslovaquia o Botswana, experimenten efectos significativos de una semana calurosa. Los mapas de calor indican que un conjunto similar de países se ven afectados por el calor para cada moderador. Además de la Figura 5, proporciono una tabla en la Información complementaria 1.3 con estadísticas resumidas para cada país para ayudar a interpretar si un país tiene valores moderadores que, en promedio, corresponden a un impacto significativo y positivo de una semana calurosa en la inseguridad alimentaria en Este modelo.

a–c, La primera columna (i) muestra el AME y sus IC del 95% de una semana calurosa sobre inseguridad alimentaria en diferentes niveles de: ingreso nacional bruto (INB) per cápita (método Atlas, ln), n = 425,375 (a ), empleo agrícola como porcentaje del empleo total, n = 422.377 (b) y empleo vulnerable como porcentaje del empleo total, n = 422.377 (c). La segunda columna (ii) muestra los países que se prevé que experimenten, en promedio, un aumento significativo de una semana calurosa en inseguridad alimentaria según el valor moderador respectivo. Los países sin observaciones disponibles están marcados como NA (no disponible).

Las semanas calurosas se asocian con posibilidades significativamente mayores de inseguridad alimentaria. El modelo ajustado por CBPS predice que si un país con la población de la India experimentara una semana particularmente calurosa, 8,07 millones de personas adicionales probablemente experimentarían inseguridad alimentaria de moderada a grave. Los análisis sugieren que estos efectos están mediados por una peor salud, mercados laborales locales en declive y presupuestos familiares más ajustados, con efectos más fuertes en regiones con mayor empleo agrícola o vulnerable e ingresos más bajos.

El debate académico y la formulación de políticas en torno al calor y la inseguridad alimentaria se han centrado en las disminuciones de mediano a largo plazo en los rendimientos agrícolas3,4,5. En cambio, aquí muestro que el calor puede conducir a una mayor inseguridad alimentaria en cuestión de días, ya que el estrés físico y los problemas de salud relacionados con el calor limitan la capacidad de las personas para trabajar y obtener ingresos, limitando así su capacidad para comprar alimentos. Esta vía enfatiza la asequibilidad y accesibilidad de los alimentos y reintroduce una perspectiva de capacidad en un debate que se ha centrado en gran medida en la disponibilidad material de alimentos como resultado de la escasez de cosechas7. Si bien este documento se centró en el papel del empleo y los ingresos de los hogares, los hogares también pueden experimentar un aumento de los gastos, ya que los alimentos se echan a perder más fácilmente con el calor, los costos de refrigeración en forma de agua o electricidad pueden aumentar y los individuos pueden tener que pagar de su cuenta. -Bolsillo para enfermedades relacionadas con el calor16,17,18. Los efectos relacionados con los costos que reducen los presupuestos de los hogares pueden capturarse parcialmente en la variable mediadora que registra las dificultades para sobrevivir con los ingresos, pero más investigaciones deberían explorar las vías basadas en los costos con datos de costos más adecuados.

En línea con la mediación basada en el empleo y los ingresos, el análisis del moderador mostró que las regiones con una mayor proporción de trabajadores agrícolas se ven más afectadas por las semanas calurosas. Estos trabajadores tienden a estar particularmente expuestos al calor y pueden experimentar una mayor tensión física y caídas de productividad relacionadas con el calor. Este resultado también se alinea con hallazgos anteriores de que los trabajadores agrícolas representan alrededor de dos tercios de las horas de trabajo perdidas relacionadas con el calor en todo el mundo12. Podría haber una confusión residual del efecto del empleo agrícola por los patrones rurales-urbanos en el acceso a los alimentos y las cadenas de suministro. Por ejemplo, las personas que viven en zonas rurales pueden tener menos acceso a diferentes fuentes de alimentos, refrigeradores y atención médica5. Sin embargo, el modelo ya controla si un encuestado vivía en un área urbana o rural y el efecto de moderación del empleo agrícola es robusto a la inclusión de una medida de urbanización a nivel nacional. Aunque utilizo el empleo agrícola como ejemplo de trabajo expuesto al calor, los efectos del calor en la inseguridad alimentaria también podrían ser más fuertes en otras industrias expuestas al calor, como la construcción, y también podrían afectar más a los trabajadores de fábricas mal ventiladas, como la industria textil19.

Las condiciones de empleo desempeñan un papel central en el vínculo a corto plazo entre el calor y la inseguridad alimentaria, como lo subraya la importancia del empleo vulnerable como moderador. Las personas que viven en países con mayores porcentajes de empleo vulnerable experimentan, en promedio, mayores impactos del calor en la inseguridad alimentaria. El empleo vulnerable es una medida de la Organización Internacional del Trabajo que incluye a los trabajadores familiares auxiliares y a los trabajadores por cuenta propia sin empleados contratados como porcentaje del empleo total. Los trabajadores vulnerables tienen más probabilidades de caer en la pobreza, más probabilidades de tener acuerdos laborales informales, menos probabilidades de tener protección social o redes de seguridad y, a menudo, no tienen ahorros suficientes para compensar las crisis económicas20. Estas condiciones pueden vincular más estrechamente sus ingresos con su productividad diaria y exponerlos a shocks de ingresos más fuertes21,22. De hecho, un estudio anterior encontró que las altas temperaturas están asociadas con el ausentismo para los trabajadores asalariados, pero no para los trabajadores con contratos a destajo, lo que sugiere que los trabajadores asalariados pueden dejar de trabajar porque no experimentan un recorte salarial directo, mientras que los trabajadores a destajo pueden continuar. trabajar para evitar una pérdida de ingresos23.

Por último, las regiones con ingresos nacionales brutos per cápita más bajos experimentan, en promedio, mayores efectos de una semana calurosa en la inseguridad alimentaria. El empleo en los países más ricos puede estar menos expuesto al calor, requerir menos trabajo manual y ser menos informal y, por lo tanto, exponer menos a los trabajadores a las fluctuaciones de productividad e ingresos relacionadas con el calor. Además, las normas de construcción y las leyes laborales pueden ayudar a proteger a los trabajadores de la exposición intensa al calor en el lugar de trabajo y en el hogar, donde el calor también puede afectar el sueño y el descanso. Finalmente, las personas en los países más ricos son, en promedio, más ricas y pueden tener mayores ahorros y una mayor capacidad para amortiguar los shocks de ingresos relacionados con el calor.

Hay cuatro limitaciones principales en este análisis. La primera limitación se refiere a la precisión geográfica. La Encuesta Mundial Gallup proporciona una etiqueta geográfica a nivel subregional que en la mayoría de los países corresponde al primer nivel administrativo, como el estado. Si bien la subregión mediana es un poco mayor que la mitad del tamaño de Gales (12.434 km2), Reino Unido, también hay subregiones más grandes, como Texas, Estados Unidos. Para subregiones más grandes, las personas en la frontera de dos subregiones pueden compartir más características que las personas en lados opuestos de la misma subregión. Esto puede violar los supuestos detrás del modelado de interceptaciones a nivel subregional anidadas dentro de los países. Además, es probable que sea menor la precisión con la que un UTCI promediado en la subregión refleja el UTCI local experimentado por un hogar dentro de subregiones más grandes. Probé estos supuestos con diferentes modelos y descubrí que los resultados se mantienen incluso cuando se excluyen las subregiones con una alta variación intrasubregional en UTCI y se controla la variación de UTCI dentro de las subregiones. Sin embargo, más investigaciones deberían explorar conjuntos de datos con etiquetas geográficas más granulares que también contengan medidas de inseguridad alimentaria que sean sensibles a cambios a corto plazo en los ingresos y el consumo de alimentos de los hogares. En relación con esto, futuras investigaciones que utilicen escalas geográficas más finas deberían profundizar en los umbrales de calor precisos en los que diferentes poblaciones experimentan los impactos del calor en la salud, los ingresos y la inseguridad alimentaria.

Una segunda limitación es que el experimento es sólo casi natural. Utilicé CBPS y verifiqué posibles sesgos de selección (Información complementaria 3) para minimizar el riesgo de confusión, pero en ausencia de una asignación verdaderamente aleatoria, no se pueden descartar por completo los errores de confusión residuales.

Una tercera limitación es que las preguntas de la escala de experiencia de inseguridad alimentaria (FIES) de la Encuesta Mundial Gallup piden a los hogares que cuenten sus experiencias con la inseguridad alimentaria durante los últimos 12 meses, pero este estudio tiene como objetivo probar las asociaciones a corto plazo entre una semana calurosa y la alimentación. inseguridad (Tabla 2 para una lista de preguntas en la FIES). Tomé varias medidas para garantizar que los cambios observados en la inseguridad alimentaria puedan atribuirse a la reciente exposición al calor en los últimos días. Primero, incluí el número de días calurosos en los 365 días anteriores a la encuesta en todos los modelos para aislar el impacto de una semana calurosa reciente de exposiciones al calor a más largo plazo. También controlo diferentes indicadores estacionales y ajusto modelos estratificados en el tiempo y encuentro que los resultados entre una semana calurosa y la inseguridad alimentaria aún se mantienen (Información complementaria 5.1). Por último, existe evidencia en la literatura de que el sesgo de actualidad influye en cómo las personas responden a las preguntas sobre la inseguridad alimentaria24,25. En el análisis de mediación seleccioné mediadores como si los hogares experimentan dificultades para sobrevivir con sus ingresos actuales, que capturan cambios más recientes en los ingresos. Además, si bien la variable ingreso anual hace referencia a todo el año, esta cifra se calcula utilizando los ingresos reportados durante el último mes. En combinación, los análisis proporcionan evidencia sólida de que la variación en la medida de inseguridad alimentaria de 12 meses refleja variaciones a corto plazo que pueden explicarse por la reciente semana calurosa, pero se recomienda realizar más investigaciones con medidas más recientes de inseguridad alimentaria a nivel de hogares. Otra limitación se refiere a la modelización de los efectos a corto plazo del calor en la inseguridad alimentaria. Exploré los efectos del número de días calurosos de la semana anterior (Fig. 2) y demostré que la exposición al calor más reciente juega un papel más importante que la exposición al calor menos reciente (Información complementaria 5.2). Sin embargo, futuras investigaciones deberían investigar los efectos retardados con más detalle utilizando datos de series de tiempo y métodos como los modelos no lineales de retardo distribuido, que desafortunadamente son incompatibles con los datos de panel de este documento (la Tabla 3 visualiza la estructura de datos).

Una cuarta limitación es que los modelos no controlan los posibles cambios en los precios de los alimentos a lo largo del tiempo en respuesta al calor. Por ejemplo, los impactos proyectados del calor en las cosechas pueden aumentar la ansiedad sobre el suministro futuro de alimentos y aumentar los precios instantáneamente. De manera similar, el ganado puede morir durante períodos particularmente calurosos y aumentar los precios de los lácteos y la carne. Si bien se trata de una limitación importante, es probable que los efectos del calor en los precios de los alimentos se extiendan más allá del plazo de una semana que se estudia en este documento.

El calor se asocia con aumentos significativos de la inseguridad alimentaria a los pocos días de la exposición, ya que los impactos relacionados con el calor en los ingresos, la salud y los mercados laborales locales reducen la capacidad de las personas para obtener ingresos y comprar alimentos. Estos efectos son más fuertes en países con ingresos más bajos, mayor empleo agrícola y empleo más vulnerable. Los resultados subrayan la importancia de las perturbaciones del mercado laboral y los factores socioeconómicos, como las formas precarias de trabajo, para la seguridad alimentaria y la modelización del impacto climático. Dado que la frecuencia, duración e intensidad de los días de calor extremo aumentan en todo el mundo debido al cambio climático26, los investigadores y responsables de políticas de todos los sectores deberían considerar cómo se pueden integrar los vínculos socioeconómicos entre el calor, la salud, los ingresos y la inseguridad alimentaria en la investigación y la acción contra el calor. planes, programas alimentarios y normativa laboral.

Gallup recopiló datos sobre inseguridad alimentaria e información sociodemográfica, como edad, género e ingresos, a través de entrevistas cara a cara y telefónicas de 2014 a 2017. Se entrevistaron diferentes hogares cada año durante diferentes épocas del año. Las entrevistas se llevaron a cabo en 150 países en subregiones que normalmente correspondían al primer nivel administrativo, como Inglaterra o Bengala Occidental. La estrategia de muestreo fue aleatoria y estratificada por tamaño de población y geografía. Las muestras se recolectaron en proporción a la población estatal dentro de cada país. La encuesta incluye la FIES, que captura si los encuestados reportan diferentes manifestaciones de no tener recursos suficientes para adquirir alimentos durante los últimos 12 meses. La FIES es una métrica validada que es comparable entre países y dentro de ellos27. La escala incluye ocho preguntas de tipo "sí" o "no" que corresponden a diferentes niveles de inseguridad alimentaria (Tabla 2). Estas preguntas incluyen formas más leves de inseguridad alimentaria, como "¿le preocupaba no tener suficiente comida para comer?" y formas más graves como "si su hogar se quedó sin comida". Proceso las ocho preguntas en tres medidas binarias de inseguridad alimentaria. La inseguridad alimentaria grave se define como tener al menos siete respuestas "sí", la inseguridad alimentaria de moderada a grave como tener al menos cuatro respuestas "sí" y la inseguridad alimentaria de leve a grave como tener al menos una respuesta "sí"28.

El conjunto de datos meteorológicos ERA5-HEAT se basa en un reanálisis que modela el clima de la Tierra con una resolución espacial de 0,25° × 0,25° de longitud y latitud29. ERA5-HEAT incluye el UTCI, que mide el efecto combinado de la temperatura del aire, el viento, la humedad y la radiación como la “temperatura del aire (°C) de un entorno de referencia que provocaría en el cuerpo humano la misma respuesta fisiológica […] que la temperatura real medio ambiente”30. Estas características hacen que el UTCI sea adecuado para estudios en microclimas y sobre estrés por calor fisiológico, para los cuales el UTCI ha sido validado30.

Si bien el UTCI proporciona un reflejo preciso de las condiciones climáticas actuales, el confort térmico o cómo los individuos perciben esas condiciones, es una experiencia altamente subjetiva que depende de la fisiología, la aclimatación y la cultura individuales31. En consecuencia, los estudios sobre salud y calor han utilizado varios enfoques para modelar el estrés por calor. En este diseño, modelo el calor con un enfoque relativo que utiliza el percentil del UTCI promedio diario en un año en una subregión. En otras palabras, considero los días más calurosos del año en Gales, Reino Unido, y los días más calurosos del año en Tamil Nadu, India, aunque los grados Celsius absolutos pueden diferir sustancialmente. Este enfoque está en línea con la definición de ola de calor de la Organización Meteorológica Mundial como períodos de clima inusualmente caluroso32 y este enfoque se utiliza en otros estudios transnacionales sobre estrés por calor33,34. Además, este enfoque capta la aclimatación y la adaptación a los niveles de calor locales, lo que ayuda a las personas a tolerar temperaturas más altas. Por ejemplo, las hospitalizaciones aumentan significativamente a 27 °C en las zonas más frías de los Estados Unidos, pero solo aumentan significativamente por encima de los 40 °C en las zonas más cálidas de los Estados Unidos, donde es probable que las personas estén más aclimatadas a un clima más cálido35.

Por lo tanto, proceso las observaciones absolutas de UTCI desde grados Celsius en un indicador relativo de si los siete días anteriores a la fecha de la encuesta fueron inusualmente calurosos. Lo hago en cuatro pasos. Primero, calculo el UTCI promedio diario en cada subregión en el conjunto de datos de Gallup. El tamaño medio de una subregión es 12.434 km2 y la desviación estándar media de las observaciones UTCI dentro de una subregión es 1,35 °C, lo que respalda la suposición de que los promedios del área pueden usarse como indicadores del calor local experimentado por los hogares individuales dentro de la subregión (documento complementario Información 1.5 y 3.3). En segundo lugar, identifico un día caluroso como aquel que cae dentro del 10% de los días más calurosos del año en esa subregión. En tercer lugar, cuento el número de días calurosos en los siete días anteriores a la fecha de la encuesta (incluida). Cuarto, defino una semana calurosa como aquella con al menos tres días calurosos. Utilizo tanto el número de días calurosos de la última semana como el indicador binario de semana calurosa en el análisis estadístico. Estos indicadores son formas sencillas de capturar la acumulación de estrés por calor fisiológico y de que las personas pueden amortiguar un día de pérdidas de ingresos pero luchan con pérdidas continuas durante varios días36. La Tabla 3 visualiza la estructura de datos resultante después de combinar los datos de Gallup y ERA5-HEAT.

Estimo diferentes modelos lineales mixtos multinivel mediante máxima verosimilitud restringida. Modelo efectos fijos para las covariables y modelo interceptos aleatorios para subregiones anidadas dentro de países. Las variables dependientes clave son indicadores binarios de inseguridad alimentaria de leve a grave, de moderada a grave y grave. Las variables independientes clave son el número de días calurosos en los siete días anteriores y si la última semana fue una semana calurosa. Las variables de control incluyen un conjunto de controles demográficos, específicamente edad, género, situación de pareja, si hay niños menores de 15 años viviendo en el hogar y si el encuestado vive en un área urbana o rural. Para las variables categóricas, los grupos de referencia son ser mujer, no tener pareja, no tener hijos y vivir en zona rural. Las covariables relacionadas con el clima incluyen la precipitación de la semana anterior, el UTCI promedio durante todo el año en la subregión y el número de días calurosos que experimentó un encuestado en los 365 días anteriores a la encuesta. También incluyo efectos fijos para cada año individual de 2014 a 2017. Consulte la Información complementaria 1.1 para obtener una descripción completa de todas las variables. Las pruebas de significancia en todos los análisis son pruebas t bilaterales.

Estos modelos aprovechan las variaciones de calor en los días previos al estudio en diferentes épocas del año y en diferentes lugares. Estas variaciones presentan un experimento casi natural en el que algunos hogares son tratados aleatoriamente con un período caluroso y otros no. Esta interpretación se basa en el supuesto de que la selección de hogares para la encuesta fue aleatoria en lo que respecta a la calefacción. Para respaldar esta interpretación, investigo el desequilibrio de covariables entre el grupo de tratamiento y control y utilizo CBPS para equilibrar las covariables de modo que, en promedio, los individuos con una puntuación de propensión similar tengan distribuciones similares de cada covariable, hayan recibido tratamiento o no37,38. También verifico el sesgo de selección en los grupos de tratamiento y control, exploro la precisión geográfica de las observaciones de calor para subregiones más grandes y pruebo la no linealidad. Presento un resumen de los resultados en el manuscrito principal y proporciono más detalles en la Información complementaria 3.1–3.3 y 4.1.

Estructuro el análisis principal en tres partes. Primero, ajusto diferentes modelos de probabilidad lineal multinivel que hacen una regresión de la inseguridad alimentaria en función del calor para probar si existe una asociación global. Pruebo diferentes grados de gravedad de la inseguridad alimentaria y presento modelos ajustados y no ajustados según el desequilibrio de covariables. Exploro diferentes horizontes temporales para los efectos del calor en la inseguridad alimentaria. En segundo lugar, realizo un análisis de mediación utilizando el paquete R de mediación v.4.5 (refs. 37,38). Un análisis de mediación pone a prueba las variables que se encuentran en la vía causal entre el calor y la inseguridad alimentaria, como los ingresos, el empleo y la salud. El análisis de mediación utiliza modelos de ecuaciones estructurales para modelos lineales siguiendo la ref. 39 y desarrollado más en las refs. 40,41. Este enfoque de la mediación se ajusta a una serie de modelos de regresión para trazar vías entre la exposición, el mediador y el resultado. En este caso, los modelos prueban la asociación entre la semana calurosa y cada mediador, así como la asociación entre una semana calurosa y la inseguridad alimentaria mientras controlan por el mediador. Sobre la base de estos modelos de regresión, el análisis de mediación desagrega el efecto directo del calor sobre la inseguridad alimentaria en el efecto directo del calor y el efecto indirecto que se explica por los cambios en la variable mediadora. Los mediadores evaluados incluyen si un encuestado reporta dificultades para sobrevivir con sus ingresos actuales, cualquier problema de salud que le impida hacer cosas que las personas de su edad normalmente harían, si un encuestado califica el mercado laboral local como bueno o malo y el logaritmo del ingreso anual del hogar. ingreso que se calcula sobre la base de un valor mensual informado por el hogar y que probablemente sea un reflejo de los niveles de ingreso más recientes del hogar. El análisis de mediación utilizó 100 simulaciones y observaciones completas para cada mediador y calculó IC cuasi-bayesianos. Los efectos indirectos son el efecto mediado promedio en todas las simulaciones reportadas en estos datos. El análisis se limitó a modelar la jerarquía de datos a nivel de país debido a las limitaciones impuestas por el software que pueden reducir la precisión de los errores estándar y los IC. Para el tercer y último paso del análisis principal, realizo un análisis de moderación e interactúo variables a nivel de país con el indicador binario de semana calurosa mientras controlo el ingreso nacional bruto per cápita (ln). Los resultados se presentan como AME en diferentes niveles de los términos de interacción.

Finalmente, realizo varias comprobaciones de solidez que resumo en Resultados y reporto con más detalle en Información complementaria. Estos incluyen probar supuestos de experimentos como la asignación aleatoria (Información complementaria 3), explorar diferentes formas de modelar el calor, incluidas medidas absolutas versus relativas, variables binarias versus continuas y modelos lineales versus no lineales (Información complementaria 4). También investigo los efectos del calor a corto y largo plazo en la inseguridad alimentaria (Información complementaria 5) y pruebo la sensibilidad a los valores atípicos y la selección de covariables (Información complementaria 6). Los análisis se realizaron en R v.4.3.0.

Más información sobre el diseño de la investigación está disponible en el Resumen del informe de Nature Portfolio vinculado a este artículo.

Combino microdatos representativos recopilados en la Encuesta Mundial Gallup con datos meteorológicos de los datos ERA5-HEAT42 del Centro Europeo de Pronósticos Meteorológicos a Plazo Medio y los datos de precipitación CPC del Laboratorio de Ciencias Físicas de la Administración Nacional Oceánica y Atmosférica (NOAA) en diferentes niveles multinivel. modelos. La encuesta mundial de Gallup está disponible con cargo en Gallup. Los datos de precipitación de ERA5-HEAT y CPC están disponibles pública y gratuitamente en Climate Data Store y en el sitio web de NOAA. Los datos para los moderadores a nivel de país, como el ingreso nacional bruto, el empleo vulnerable y el empleo agrícola, están disponibles en el Banco de Datos de Indicadores de Desarrollo Mundial del Banco Mundial, que recopila datos de la Organización Internacional del Trabajo, los datos de Cuentas Nacionales del Banco Mundial y la Organización de Economía y Finanzas. Archivos de datos de Cuentas Nacionales de Cooperación y Desarrollo. Todos los datos y el código, excepto la encuesta mundial de Gallup, están disponibles en la página de GitHub del autor (ckroeger95) en el repositorio heat-fi-global.

El código está disponible públicamente en GitHub en https://github.com/ckroeger95/heat-fi-global.git.

El estado de la seguridad alimentaria y la nutrición en el mundo 2020 (FAO, FIDA, UNICEF, PMA y OMS, 2020); https://doi.org/10.4060/ca9692en

Wheeler, T. & von Braun, J. Impactos del cambio climático en la seguridad alimentaria mundial. Ciencia 341, 508–513 (2013).

Artículo CAS PubMed Google Scholar

Godfray, HCJ y cols. Seguridad alimentaria: el desafío de alimentar a 9 mil millones de personas. Ciencia 327, 812–818 (2010).

Artículo CAS PubMed Google Scholar

Battisti, DS y Naylor, RL Advertencias históricas de inseguridad alimentaria futura con un calor estacional sin precedentes. Ciencia 323, 240–244 (2009).

Artículo CAS PubMed Google Scholar

Vermeulen, SJ, Campbell, BM & Ingram, JSI Cambio climático y sistemas alimentarios. Año. Rev. Medio Ambiente. Recurso. 37, 195–222 (2012).

Artículo de Google Scholar

Reformas comerciales y seguridad alimentaria: conceptualización de los vínculos (FAO, 2003).

Sen, A. Ingredientes del análisis de la hambruna: disponibilidad y derechos. QJ Economía. 96, 433 (1981).

Artículo CAS PubMed Google Scholar

Kjellstrom, T., Oppermann, E. & Lee, JKW en Handbook of Socioeconomic Determinants of Occupational Health (ed. Theorell, T.) 71–89 (Springer, 2020).

Patel, S. Evaluación de las olas de calor a nivel comunitario en el estado de Odisha, India: efectos, resiliencia e implicaciones (Consejo de Población, 2018); https://knowledgecommons.popcouncil.org/departments_sbsr-pgy/470

Somanathan, E., Somanathan, R., Sudarshan, A. y Tewari, M. El impacto de la temperatura en la productividad y la oferta laboral: evidencia de la manufactura india. J. Polit. Economía. 129, 1797–1827 (2021).

Artículo de Google Scholar

Sett, M. & Sahu, S. Efectos de la exposición ocupacional al calor en trabajadoras de ladrillos en Bengala Occidental, India. Globo. Acción Sanitaria 7, 21923 (2014).

Artículo PubMed Google Scholar

Romanello, M. et al. El informe 2022 de Lancet Countdown sobre salud y cambio climático: la salud a merced de los combustibles fósiles. Lanceta 400, 1619-1654 (2022).

Artículo PubMed Google Scholar

Bradley, RH & Putnick, DL Calidad de la vivienda y acceso a materiales y recursos de aprendizaje dentro del entorno hogareño en países en desarrollo: entorno hogareño MICS3. Desarrollo infantil. 83, 76–91 (2012).

Artículo PubMed PubMed Central Google Scholar

Davis, L., Gertler, P., Jarvis, S. y Wolfram, C. Aire acondicionado y desigualdad global. Globo. Reinar. Cambio 69, 102299 (2021).

Artículo de Google Scholar

Holleman, C. & Conti, V. Papel de la desigualdad de ingresos en la configuración de los resultados en materia de inseguridad alimentaria individual (FAO, 2020).

Jadhav, R. Los precios del pollo indio aumentan hasta alcanzar un récord a medida que la ola de calor mata a millones de aves. Reuters (1 de junio de 2015); https://www.reuters.com/article/india-heatwave-chicken-idUSL3N0YM0B920150601

Nord, M. & Kantor, LS La variación estacional en la inseguridad alimentaria está asociada con los costos de calefacción y refrigeración entre los estadounidenses mayores de bajos ingresos. J. Nutr. 136, 2939–2944 (2006).

Artículo CAS PubMed Google Scholar

Azhar, GS y cols. Mortalidad relacionada con el calor en la India: exceso de mortalidad por todas las causas asociado con la ola de calor de Ahmedabad de 2010. MÁS UNO 9, e91831 (2014).

Artículo PubMed PubMed Central Google Scholar

Venugopal, V., Chinnadurai, JS, Lucas, RAI y Kjellstrom, T. Perfiles de estrés por calor ocupacional en lugares de trabajo seleccionados en la India. En t. J. Medio Ambiente. Res. Salud Pública 13, 89 (2015).

Artículo PubMed PubMed Central Google Scholar

Indicadores de Desarrollo Mundial. Empleo Vulnerable [archivo de datos] (Banco Mundial, 2023); https://data.worldbank.org/indicator/SL.EMP.VULN.ZS

Alfers, L. & Rogan, M. Riesgos para la salud y empleo informal en Sudáfrica: ¿la formalidad protege la salud? En t. J. Ocupar. Reinar. Salud 21, 207–215 (2015).

Artículo CAS PubMed PubMed Central Google Scholar

López-Ruiz, M., Artazcoz, L., Martínez, JM, Rojas, M. & Benavides, FG Empleo informal y situación de salud en Centroamérica. BMC Salud Pública 15, 698 (2015).

Artículo PubMed PubMed Central Google Scholar

Somanathan, E., Somanathan, R., Sudarshan, A. y Tewari, M. El impacto de la temperatura en la productividad y la oferta laboral: evidencia de la manufactura india. Documento de trabajo n.º 2018-69 (Instituto Becker Friedman, 2018).

Gregory, CA y Todd, JE Momento de SNAP e inseguridad alimentaria. MÁS UNO 16, e0246946 (2021).

Artículo CAS PubMed PubMed Central Google Scholar

Gregory, CA & Smith, TA Prominencia, seguridad alimentaria y recibo SNAP. J. Análisis de políticas. Gestionar. 38, 124-154 (2019).

Artículo de Google Scholar

Cambio climático del IPCC 2022: impactos, adaptación y vulnerabilidad (eds Pörtner, H.-O. et al.) (Cambridge Univ. Press, 2022).

Saint Ville, A., Po, JYT, Sen, A., Bui, A. & Melgar-Quiñonez, H. Seguridad alimentaria y escala de experiencia de inseguridad alimentaria (FIES): garantizar el progreso para 2030. Food Secur. 11, 483–491 (2019).

Artículo de Google Scholar

Smith, MD, Rabbitt, MP y Coleman-Jensen, A. ¿Quiénes son las personas que padecen inseguridad alimentaria en el mundo? Nueva evidencia de la Escala de Experiencia en Inseguridad Alimentaria de la Organización para la Alimentación y la Agricultura. Desarrollo mundial. 93, 402–412 (2017).

Artículo de Google Scholar

Di Napoli, C. Índices de confort térmico derivados del reanálisis ERA5 (Copernicus Climate Change Service (C3S) Climate Data Store, 2020); https://doi.org/10.24381/CDS.553B7518

Urbano, A. et al. Evaluación del índice universal de clima térmico basado en reanálisis ERA5 sobre datos de mortalidad en Europa. Reinar. Res. 198, 111227 (2021).

Artículo CAS PubMed Google Scholar

Mazzone, A. y Khosla, R. ¿Construido socialmente o informado fisiológicamente? Colocar a los humanos en el centro de la comprensión de las necesidades de refrigeración. Res. energética. Soc. Ciencia. 77, 102088 (2021).

Artículo de Google Scholar

Golechha, M., Mavalankar, D. y Bhan, SC en Ciencia del clima urbano para la planificación de ciudades saludables (eds Ren, C. y McGregor, G.) 285–308 (Springer, 2021).

Masselot, P. y col. Exceso de mortalidad atribuido al calor y al frío: un estudio de evaluación del impacto en la salud en 854 ciudades de Europa. Planeta lanceta. Salud 7, e271–e281 (2023).

Artículo PubMed Google Scholar

Guo, Y. et al. Ola de calor y mortalidad: un estudio multipaís y multicomunitario. Reinar. Perspectiva de salud. 125, 087006 (2017).

Artículo PubMed PubMed Central Google Scholar

Vaidyanathan, A. y col. Evaluación del calor extremo y las hospitalizaciones para informar a los sistemas de alerta temprana. Proc. Acad. Nacional. Ciencia. Estados Unidos 116, 5420–5427 (2019).

Artículo CAS PubMed PubMed Central Google Scholar

Kovats, RS y Hajat, S. Estrés por calor y salud pública: una revisión crítica. Año. Rev. Salud Pública 29, 41–55 (2008).

Artículo PubMed Google Scholar

Pattanayak, CW, Rubin, DB y Zell, ER Métodos de puntuación de propensión para crear un equilibrio de covariables en estudios observacionales. Rev. Esp. Cardiol. 64, 897–903 (2011).

Artículo PubMed Google Scholar

Fong, C., Hazlett, C. & Imai, K. Puntuación de propensión de equilibrio de covariables para un tratamiento continuo: aplicación a la eficacia de los anuncios políticos. Ana. Aplica. Estadística. 12, 156-177 (2018).

Artículo de Google Scholar

Baron, RM y Kenny, DA La distinción entre variables moderador y mediador en la investigación en psicología social: consideraciones conceptuales, estratégicas y estadísticas. J. Pers. Soc. Psicólogo. 51, 1173-1182 (1986).

Artículo CAS PubMed Google Scholar

Imai, K., Keele, L. y Yamamoto, T. Identificación, inferencia y análisis de sensibilidad para efectos de mediación causal. Estadística. Ciencia. 25, 51–71 (2010).

Artículo de Google Scholar

Imai, K., Keele, L. y Tingley, D. Un enfoque general del análisis de la mediación causal. Psicólogo. Métodos 15, 309–334 (2010).

Artículo PubMed Google Scholar

Napoli, CD Índices de confort térmico derivados del reanálisis ERA5 (Copernicus Climate Change Service (C3S) Climate Data Store, 2020); https://doi.org/10.24381/CDS.553B7518

Descargar referencias

Agradezco a los trabajadores que compartieron relatos cualitativos de su experiencia con el calor, el trabajo y la inseguridad alimentaria en diferentes artículos periodísticos; en muchos sentidos, el vínculo de ingresos no es idea mía sino su experiencia vivida que pude rastrear cuantitativamente. También agradezco a A. Reeves, R. Khosla, C. Ruckteschler, B. Goodair, N. Muggleton, L. Sochas, A. Sauer, V. Govindarajan, T. Mehta y D. Matic por sus esclarecedores comentarios y ayuda con el código. y palabras de aliento. Finalmente, agradezco al Rhodes Trust (Alemania, 2020) por su apoyo durante mi doctorado. Los financiadores no tuvieron ningún papel en el diseño del estudio, la recopilación y análisis de datos, la decisión de publicar o la preparación del manuscrito.

Departamento de Política e Intervención Social, Universidad de Oxford, Oxford, Reino Unido

Carolina Kroeger

También puedes buscar este autor en PubMed Google Scholar.

CK es el único autor del estudio y conceptualizó el estudio, revisó la literatura, procesó datos, ejecutó modelos estadísticos y respondió a los comentarios de los revisores.

Correspondencia a Carolin Kroeger.

El autor no declara intereses en competencia.

Nature Human Behaviour agradece a Matthew Borg, Rachel Loopstra y los demás revisores anónimos por su contribución a la revisión por pares de este trabajo. Los informes de los revisores pares están disponibles.

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

Incluye estadísticas descriptivas y comprobaciones de solidez de los principales análisis realizados.

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

Reimpresiones y permisos

Kroeger, C. El calor está asociado con aumentos a corto plazo en la inseguridad alimentaria de los hogares en 150 países y esto está mediado por los ingresos. Comportamiento Nat Hum (2023). https://doi.org/10.1038/s41562-023-01684-9

Descargar cita

Recibido: 11 de noviembre de 2022

Aceptado: 21 de julio de 2023

Publicado: 21 de agosto de 2023

DOI: https://doi.org/10.1038/s41562-023-01684-9

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

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

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt