MétaCan
Menu
Retour à la cohorte
Enregistrement W3159145629 · doi:10.1016/j.onehlt.2021.100258

Health impacts of climate change on smallholder farmers

2021· review· en· W3159145629 sur OpenAlex

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.

Notice bibliographique

RevueOne Health · 2021
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensCentre for International Governance InnovationQueen's UniversityUniversity of WaterlooYork UniversityCentre for Global Health Research
Organismes subventionnairesnon disponible
Mots-clésClimate changeBusinessFood securityMental healthHealth impact assessmentEffects of global warmingEconomic growthEnvironmental planningEnvironmental resource managementSocioeconomicsEnvironmental healthGeographyPublic healthGlobal warmingAgricultureMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

The health of smallholder farmers is crucial for ensuring food and nutritional security for two billion people. However, their health is in jeopardy for several reasons including challenges from climate change impacts. Using a narrative literature review supported by field observations and informal interviews with key informants in India, Bangladesh and Malawi, this paper identifies and discusses the health impacts of climate change under four categories: (i) communicable diseases, (ii) non-communicable diseases, (iii) mental health, and (iv) occupational health, safety and other health issues. The health impacts of climate change on smallholder farmers will hamper the realization of many of the United Nations' Sustainable Development Goals, and a series of recommendations are made to regional and country governments to address the increasing health impacts of accelerating climate change among smallholder farmers.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,277
Tête enseignante GPT0,436
Écart entre enseignants0,159 · 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