MétaCan
Menu
Retour à la cohorte
Enregistrement W2943205018 · doi:10.3390/ijerph16091583

Factors Influencing the Mental Health Consequences of Climate Change in Canada

2019· article· en· W2943205018 sur OpenAlexaffabout
Katie Hayes, Peter Berry, Kristie L. Ebi

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensHealth CanadaUniversity of WaterlooPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMental healthVulnerability (computing)PreparednessClimate changeGovernment (linguistics)OutreachSocial capitalPolitical sciencePsychological resilienceAdaptation (eye)PsychologyEnvironmental resource managementBusinessEconomic growthEnvironmental planningPublic relationsGeographySocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Climate change is increasing risks to the mental health of Canadians. Impacts from a changing climate may outstrip the ability of Canadians and their health-sustaining institutions to adapt effectively and could increase poor mental health outcomes, particularly amongst those most marginalized in society. A scoping review of literature published during 2000-2017 explored risks, impacts, and vulnerabilities related to climate change and mental health. In this commentary, the authors present a new assessment of evidence from this scoping review and highlight factors that influence the capacity to adapt to the mental health consequences of a changing climate. Findings from this assessment reveal eleven key factors that influence the capacity to adapt: social capital; sense of community; government assistance; access to resources; community preparedness; intersectoral/transdisciplinary collaboration; vulnerability and adaptation assessments; communication and outreach; mental health literacy; and culturally relevant resources. Attention to these factors by Canadian decision makers can support proactive and effective management of the mental health consequences of climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,170
Tête enseignante GPT0,408
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations87
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

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