MétaCan
Menu
Retour à la cohorte
Enregistrement W3180013492 · doi:10.1088/1748-9326/ac092c

The effects on public health of climate change adaptation responses: a systematic review of evidence from low- and middle-income countries

2021· review· en· W3180013492 sur OpenAlexaff
Pauline Scheelbeek, Alan D. Dangour, Stephanie Jarmul, Grace Turner, Anne J. Sietsma, Jan C. Minx, Max Callaghan, Idowu Ajibade, Stéphanie Austin, Robbert Biesbroek, Kathryn Bowen, Tara Chen, Katy Davis, Tim Ensor, James D. Ford, Eranga K. Galappaththi, Elphin Tom Joe, Justice Issah Musah-Surugu, Gabriela Nagle Alverio, Patricia Nayna Schwerdtle, Pratik Pokharel, Eunice A. Salubi, Giulia Scarpa, Alcade C. Segnon, Mariella Siña, Sienna Templeman, Jiren Xu, Carol Zavaleta-Cortijo, Lea Berrang‐Ford

Notice bibliographique

RevueEnvironmental Research Letters · 2021
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of WaterlooFisheries and Oceans Canada
Organismes subventionnairesNatural Environment Research CouncilForeign, Commonwealth and Development OfficeWellcome TrustSight Research UKGovernment of the United KingdomWellcome
Mots-clésLow and middle income countriesClimate changeAdaptation (eye)Climate change adaptationPublic healthPublic economicsEconomicsNatural resource economicsDevelopment economicsPsychologyEconomic growthDeveloping countryMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change adaptation responses are being developed and delivered in many parts of the world in the absence of detailed knowledge of their effects on public health. Here we present the results of a systematic review of peer-reviewed literature reporting the effects on health of climate change adaptation responses in low- and middle-income countries (LMICs). The review used the ‘Global Adaptation Mapping Initiative’ database (comprising 1682 publications related to climate change adaptation responses) that was constructed through systematic literature searches in Scopus, Web of Science and Google Scholar (2013–2020). For this study, further screening was performed to identify studies from LMICs reporting the effects on human health of climate change adaptation responses. Studies were categorised by study design and data were extracted on geographic region, population under investigation, type of adaptation response and reported health effects. The review identified 99 studies (1117 reported outcomes), reporting evidence from 66 LMICs. Only two studies were ex ante formal evaluations of climate change adaptation responses. Papers reported adaptation responses related to flooding, rainfall, drought and extreme heat, predominantly through behaviour change, and infrastructural and technological improvements. Reported (direct and intermediate) health outcomes included reduction in infectious disease incidence, improved access to water/sanitation and improved food security. All-cause mortality was rarely reported, and no papers were identified reporting on maternal and child health. Reported maladaptations were predominantly related to widening of inequalities and unforeseen co-harms. Reporting and publication-bias seems likely with only 3.5% of all 1117 health outcomes reported to be negative. Our review identified some evidence that climate change adaptation responses may have benefits for human health but the overall paucity of evidence is concerning and represents a major missed opportunity for learning. There is an urgent need for greater focus on the funding, design, evaluation and standardised reporting of the effects on health of climate change adaptation responses to enable evidence-based policy action.

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)0,008
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,061
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,356
Tête enseignante GPT0,441
Écart entre enseignants0,085 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations124
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetClimate Change and Health ImpactsTravaux en français237 207