MétaCan
Menu
Retour à la cohorte
Enregistrement W3049737205 · doi:10.1590/0103-11042020s108

Connecting the right to health and anti-extractivism globally

2020· article· en· W3049737205 sur OpenAlexaffabout
Erika Arteaga-Cruz, Baijayanta Mukhopadhyay, Sarah Shannon, Amulya Nidhi, Todd Jailer

Notice bibliographique

RevueSaúde em Debate · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHuman Rights and Development
Établissements canadiensCentre for Movement DisordersBP (Canada)
Organismes subventionnairesnon disponible
Mots-clésRight to healthEconomic growthLivelihoodHealth careSocial determinants of healthPolitical scienceBusinessDevelopment economicsAgricultureGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Natural resources are essential to health and are global commons. Recognizing the devastating damage posed by extraction to health and the environment, as well as the erosion of the sovereignty of our governments that have increasingly conceded people’s health in the interest of profit and development, is important in framing our resistance. Our communities experience growing displacement, the loss of social services, of land, water and livelihood, heightened militarization, violence and repression, and increased incidence of communicable diseases and health problems resulting from exposure to toxics. All of these are linked to an extractivist project driven by global financial capital promoting an unsustainable and inequitable development model that threatens people’s health and the health of the planet. Is it compatible with the right to health to finance national health systems with revenues of activities that intrinsically destroy life? The essay portrays the inconsistency of development policies that fund health/right to health with extractivism and depicts examples of resistance to extractive industries tied to the People’s Health Movement (Canada,Turkey, India and Ecuador) in different types of governments. The need to strengthen the link between the right to health struggles and anti-extractive resistance is highlighted.

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)0,010
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,069
Communication savante0,0100,007
Science ouverte0,0010,009
Intégrité de la recherche0,0060,009
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 Opus0,034
Tête enseignante GPT0,314
Écart entre enseignants0,280 · 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
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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSaúde em DebateMême sujetHuman Rights and DevelopmentTravaux en français237 207