MétaCan
Menu
Retour à la cohorte
Enregistrement W2945653519 · doi:10.2166/wh.2019.064

Economic impact of harmful algal blooms on human health: a systematic review

2019· review· en· W2945653519 sur OpenAlex
Christian R. C. Kouakou, Thomas G. Poder

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Water and Health · 2019
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensUniversité de MontréalUniversité de Sherbrooke
Organismes subventionnairesGenome Canada
Mots-clésAlgal bloomHuman healthNatural resource economicsEnvironmental scienceEconomic impact analysisEnvironmental healthFisheryEconomicsEcologyBiologyMedicinePhytoplankton

Résumé

récupéré en direct d'OpenAlex

Harmful algal blooms (HABs) damage human activities and health. While there is wide literature on economic losses, little is known about the economic impact on human health. In this review, we systematically retrieved papers which presented health costs following exposure to HABs. A systematic review was conducted up to January 2019 in databases such as ScienceDirect and PubMed, and 16 studies were selected. Health costs included healthcare and medication expenses, loss of income due to illness, cost of pain and suffering, and cost of death. Two categories of illness (digestive and respiratory) were considered for health costs. For digestive illness cost, we found $86, $1,015 and $12,605, respectively, for mild, moderate and severe cases. For respiratory illness, costs were $86, $1,235 and $14,600, respectively, for mild, moderate and severe cases. We used Quality-Adjusted Life Years (QALYs) to access the loss of well-being due to illness caused by HABs. We found that breathing difficulty causes the most loss of QALYs, especially in children, with a loss of between 0.16 and 0.771 per child. Having gastroenteritis could cause a loss of between 2.2 and 7.1 QALYs per 1,000 children. Misleading symptoms of illness following exposure to HABs could cause bias in health costs estimations.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,637

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
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)0,0000,000

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 Opus0,084
Tête enseignante GPT0,404
Écart entre enseignants0,320 · 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