MétaCan
Menu
Retour à la cohorte
Enregistrement W2102396015 · doi:10.1088/1748-9326/6/4/044009

Adapting to health impacts of climate change: a study of UNFCCC Annex I parties

2011· article· en· W2102396015 sur OpenAlexaff
A. Lesnikowski, James D. Ford, Lea Berrang‐Ford, Jean A. Paterson, Maru Barrera, Jody Heymann

Notice bibliographique

RevueEnvironmental Research Letters · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensMcGill University
Organismes subventionnairesVanderbilt University
Mots-clésVulnerability (computing)Climate changeAdaptation (eye)Climate change adaptationPublic healthEnvironmental resource managementEnvironmental planningPolitical scienceBusinessEconomic growthGeographyPsychologyMedicineEconomicsEcologyComputer securityComputer science

Résumé

récupéré en direct d'OpenAlex

Adapting to the health effects of climate change is one of the key challenges facing public health this century. Our knowledge of progress on adaptation, however, remains in its infancy. Using the Fifth National Communications of Annex I parties to the UNFCCC, 1912 initiatives are systematically identified and analyzed. 80% of the actions identified consist of groundwork (i.e. preparatory) action, with only 20% constituting tangible adaptations. No health vulnerability was recognized by all 38 Annex I countries. Furthermore, while all initiatives affect at least one health vulnerability, only 15% had an explicit human health component. Consideration for the special needs of vulnerable groups is uneven and underdeveloped. Climate change is directly motivating 71% of groundwork actions, and 61% of adaptation initiatives are being mainstreamed into existing institutions or programs. We conclude that the adaptation responses to the health risks of climate change remain piecemeal. Policymakers in the health sector must engage with stakeholders to implement adaptation that considers how climate change will impact the health of each segment of the population, particularly within those groups already considered most vulnerable to poor health outcomes.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,170
Score d'incertitude au seuil0,999

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,253
Tête enseignante GPT0,405
Écart entre enseignants0,152 · 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.

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

Citations95
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetClimate Change and Health ImpactsTravaux en français237 207