MétaCan
Menu
Retour à la cohorte
Enregistrement W2886764420 · doi:10.3390/ijerph15081688

EcoHealth and the Determinants of Health: Perspectives of a Small Subset of Canadian Academics in the EcoHealth Community

2018· article· en· W2886764420 sur OpenAlexaffabout
Aryn Lisitza, Gregor Wolbring

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésOne HealthEnvironmental healthThematic analysisPublic healthQualitative researchGeographyMedicineSociologyNursing

Résumé

récupéré en direct d'OpenAlex

EcoHealth is an emerging field that examines the complex relationships among humans, animals, and the environment, and how these relationships affect the health of each of these domains. The different types of determinants of health greatly influence human health and well-being. Therefore, EcoHealth's ability to improve human, animal, and environmental health and well-being is, in part, influenced by its ability to acknowledge and integrate the determinants of health. However, our previous research demonstrates that the academic EcoHealth literature had a low, uneven engagement with the determinants of health. Accordingly, to make sense of this gap, our research aim is to better understand the views of a small subset of the Canadian EcoHealth community about EcoHealth and the determinants of health relative to EcoHealth. We used a qualitative research design involving seven semi-structured interviews, which were analyzed using thematic analysis. Our findings suggest a tension across themes and a lack of conceptual engagement with the determinants of health. As we consider a future with rapid, unsustainable changes, we expect the identification and integration of the different types of determinants of health within EcoHealth to be imperative for EcoHealth to attain its goal of improving the health and well-being of humans, animals, and the environment.

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)0,008
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,591

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,010
Études des sciences et des technologies0,0340,011
Communication savante0,0080,002
Science ouverte0,0030,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,293
Tête enseignante GPT0,441
Écart entre enseignants0,148 · 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'étudeQualitatif
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

Citations11
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetClimate Change and Health ImpactsTravaux en français237 207