Climate change, malaria, and public health: accounting for socioeconomic contexts in past debates and future research
Notice bibliographique
Résumé
Infectious diseases have long been a focal point of climate change impacts research, with malaria prominent among them. Although it is universally acknowledged that malaria transmission is affected by temperature and rainfall, projections of future levels of malaria under different climate change scenarios have been the object of scientific controversy. One underappreciated reason for this is because modeling research has not consistently accounted for the role of socioeconomic factors in malaria transmission. There is now a growing awareness that greater and more explicit discussion about the impact of socioeconomic factors on malaria transmission under climate change scenarios is needed, but this will require deepened multidisciplinary collaboration and greater attention to climate change vulnerability science. In order to address this need and to ensure that that outputs from this research help address the needs of public health, the following activities are suggested: systematic analyses of past events to assess the relative role of climatic and socioeconomic drivers of malaria transmission, the development of a consistent definition of vulnerability, the development of metrics and indicators for the key components of vulnerability to malaria, greater collaboration with stakeholders, and the development of health‐specific climate change scenarios under the shared socioeconomic pathways ( SSPs ). Finally, researchers should more explicitly detail how their assumptions about future socioeconomic development affect research findings. WIREs Clim Change 2016, 7:551–568. doi: 10.1002/wcc.406 This article is categorized under: Social Status of Climate Change Knowledge > Knowledge and Practice
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».