MétaCan
Menu
Retour à la cohorte
Enregistrement W2137729057 · doi:10.1093/pubmed/fdh163

Public health impacts of floods and chemical contamination

2004· review· en· W2137729057 sur OpenAlexaff
Rico Euripidou, V. Murray

Notice bibliographique

RevueJournal of Public Health · 2004
Typereview
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésFlooding (psychology)Flood mythPublic healthEnvironmental healthChecklistContaminationEnvironmental scienceEnvironmental planningGeographyEnvironmental protectionMedicineEcology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Flooding accounts for about 40 per cent of all natural disasters that occur worldwide. In 2002-2003 many counties in England experienced severe floods. Floods are particularly important in public health terms as they may have multiple environmental consequences. METHODS: Details of floods reported to Chemical Hazards and Poisons Division, London [CHaPD(L)] were analysed and a literature review was undertaken to identify published reports of flood-related chemical incidents that have had an impact on public health. RESULTS: Epidemiological evidence shows that chemical material may contaminate homes and that in some cases flooding may lead to mobilization of dangerous chemicals from storage or remobilization of chemicals already in the environment, e.g. pesticides. Hazards may be greater when industrial or agricultural land adjoining residential land is affected. Less evidence exists to support the hypothesis that flooding that causes chemical contamination has a clear causal effect on the pattern of morbidity and mortality following these flooding events. CONCLUSION: In the light of this evidence, a checklist/pro forma for public health response to and investigation of flooding events that may result in chemical contamination was needed. This is available from CHaPD(L).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,347
Tête enseignante GPT0,525
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations87
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public HealthMême sujetDisaster Response and ManagementTravaux en français237 207