Family doctors to connect <i>global concerns</i> due to climate change with <i>local actions</i>: State‐of‐the art and some proposals
Notice bibliographique
Résumé
Abstract Climate change (CC) is the most challenging environmental health (EH) concern. Air pollution is closely linked to CC. However, many CC‐health‐related conditions (i.e., allergic diseases, asthma, hypertension, fluid and electrolyte disorders, child and adult obesity, type 2 diabetes, vector‐borne diseases) are not usually counted, either because they do not cause death or require hospital admission/emergency triage. They are the vast majority of health care seeking generally treated by family doctors (FDs) and family pediatricians (FPs). FDs/FPs are often not aware of CC‐health‐impacts. Their potential role in tackling such a global challenge through their local influence on individual and collective attitudes and policies is not considered. Proper FD training could fill these gaps, raise awareness of their role, and implement EH FDs/FPs‐based surveillance networks to collect, analyze, interpret, and report EH data to inform EH‐related Policy. FDs and FPs, organized in sentinel physicians' networks, could play a key role in advising policymakers at the local and regional level in designing interventions adapted to climate‐related issues. Such experiences are rare worldwide and not well known. We will describe and discuss them in detail to share successful local examples.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».