Association of Climate Factors with Infectious Diseases in Arctic and Subarctic Regions a Systematic Review
Notice bibliographique
Résumé
Background: Climate change is likely to affect human infectious disease incidences in the Arctic and subarctic regions. However, we need to know more about climate sensitivity of such diseases in order to develop adaptation measures. Objectives: To scrutinize the evidence for an association between weather/climate factors and infectious diseases, and to identify the most climate-sensitive diseases in the Arctic and subarctic region. Methods: A systematic review was conducted. A search was made in PubMed, last update May 2013. Only articles addressing human infectious diseases as the outcome, climate or weather factors as the exposure, and Arctic or subarctic areas as the study location were included. Narrative reviews, case reports and projection studies were excluded. Abstracts and selected full texts were read and evaluated by two independent readers, and an adjusted version of the SIGN 50 checklist was used to assess the quality grade of each article. The synthesis of results was done by disease groups. Results: In total, 1953 abstracts were found, of which 29 articles were finally included. In Canada, 14 studies were conducted; the rest came from Scandinavia, Russia and Alaska. Strong evidence was found for an association between weather or climate variability and food- and waterborne diseases. The association between climate and vector- and rodent borne diseases was less clear, since only a few diseases were addressed in more than one publication. Air temperature and humidity appeared to be important factors for viral- and bacterial airborne diseases. Conclusions: Studies on food and waterborne diseases provided the strongest evidence for climate sensitivity. Not all regions were represented in the publications, and no study about climate change impacts was included. Disease and syndromic surveillance should be part of climate change adaptation measures in the North, and more high-quality studies should address the link between climate and specific diseases.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».