Climate-sensitive health priorities in Nunatsiavut, Canada
Notice bibliographique
Résumé
BACKGROUND: This exploratory study used participatory methods to identify, characterize, and rank climate-sensitive health priorities in Nunatsiavut, Labrador, Canada. METHODS: A mixed method study design was used and involved collecting both qualitative and quantitative data at regional, community, and individual levels. In-depth interviews with regional health representatives were conducted throughout Nunatsiavut (n = 11). In addition, three PhotoVoice workshops were held with Rigolet community members (n = 11), where participants took photos of areas, items, or concepts that expressed how climate change is impacting their health. The workshop groups shared their photographs, discussed the stories and messages behind them, and then grouped photos into re-occurring themes. Two community surveys were administered in Rigolet to capture data on observed climatic and environmental changes in the area, and perceived impacts on health, wellbeing, and lifestyles (n = 187). RESULTS: Climate-sensitive health pathways were described in terms of inter-relationships between environmental and social determinants of Inuit health. The climate-sensitive health priorities for the region included food security, water security, mental health and wellbeing, new hazards and safety concerns, and health services and delivery. CONCLUSIONS: The results highlight several climate-sensitive health priorities that are specific to the Nunatsiavut region, and suggest approaching health research and adaptation planning from an EcoHealth perspective.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».