MétaCan
Menu
Retour à la cohorte
Enregistrement W2006861800 · doi:10.1016/j.healthplace.2014.12.014

Neighbourhood and dwelling characteristics associated with the self-reported adverse health effects of heat in most deprived urban areas: A cross-sectional study in 9 cities

2015· article· en· W2006861800 sur OpenAlexaffabout
Diane Bélanger, Pierre Gosselin, Pierre Valois, Belkacem Abdous

Notice bibliographique

RevueHealth & Place · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensInstitut National de Santé Publique du QuébecUniversité LavalOuranosInstitut National de la Recherche ScientifiqueCentre hospitalier universitaire de Québec
Organismes subventionnairesnon disponible
Mots-clésNeighbourhood (mathematics)DisadvantagedGeographyEnvironmental healthCross-sectional studyMultivariate analysisExtreme heatOccupational safety and healthDemographySocioeconomicsMedicineClimate changeSociologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Dwelling and neighbourhood characteristics associated with the prevalence of self-reported heat-induced adverse health effects are not well known. We interviewed 3485 people in the most disadvantaged neighbourhoods of the nine largest cities in Québec, Canada. The prevalence of heat-induced adverse health effects was 46%, out of which one fourth led to medical consultation. Multivariate analyses showed that dissatisfaction with the summer dwelling temperature, which refers to home heat exposure, and perception that the neighbourhood is polluted due to traffic, were determinant, even after adjusting for current health status. These risk indicators can be used to identify subgroups at high risk and as priority-setting criteria for urban renewal programs for the hotter climate to come.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,310
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth & PlaceMême sujetClimate Change and Health ImpactsTravaux en français237 207