MétaCan
Menu
Retour à la cohorte
Enregistrement W2920825009 · doi:10.1136/archdischild-2018-316694

Climate change and global child health: what can paediatricians do?

2019· editorial· en· W2920825009 sur OpenAlexaff
Zulfiqar A Bhutta, Ashley Aimone, Saeed Akhtar

Notice bibliographique

RevueArchives of Disease in Childhood · 2019
Typeeditorial
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensSickKids FoundationHospital for Sick ChildrenCentre for Global Health Research
Organismes subventionnairesnon disponible
Mots-clésClimate changeExtreme weatherMedicinePublic healthGlobal warmingGlobal healthDengue feverEffects of global warmingClimatologySocioeconomicsEnvironmental healthEcology

Résumé

récupéré en direct d'OpenAlex

A little over a decade ago, the Lancet Climate Commission concluded that anthropogenic climate change threatens to undermine the past 50 years of gains in public health and, conversely, that a comprehensive response to climate change could be ‘the greatest global health opportunity of the 21 st century’.1 In a recent review, experts quantified the impact of climate change on health and estimated that heatwaves between 2000 and 2016 had resulted in 5.3% lower outdoor manual productivity and that economic losses from climate change related events in 2016 alone totalled almost US$129 billion.2 Historically, major excess mortality peaks have been related to extreme weather events, such as the Bangladesh cyclone of 1991, Venezuela floods and mudslides of 1999 and Myanmar cyclone of 2008. These three extreme weather events alone accounted for more than 300000 deaths.2 It is estimated that Hurricane Maria affecting Puerto Rico in 2017 was associated with excess mortality with estimates ranging between 2700 and 4600 deaths.3 4 In addition to direct effects and increased risks of climate change associated disasters such as drought or floods, global climate change has been associated with major changes in infectious diseases risks. The annual numbers of cases of dengue fever have doubled every decade since 1990, with 58.4 million apparent cases in 2013, accounting for more than 10 000 deaths.5 Other infectious diseases, such …

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)0,029
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,029
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,003
Communication savante0,0060,008
Science ouverte0,0030,002
Intégrité de la recherche0,0130,028
Charge utile insuffisante (le modèle a refusé de juger)0,0120,006

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 Opus0,016
Tête enseignante GPT0,280
Écart entre enseignants0,263 · 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
GenreÉditorial

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

En bref

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Disease in ChildhoodMême sujetClimate Change and Health ImpactsTravaux en français237 207