Evidence-informed policy for tackling adverse climate change effects on health: Linking regional and global assessments of science to catalyse action
Notice bibliographique
Résumé
ummary points• Effective policy making depends on synthesising and improving the use of existing robust scientific evidence, tackling misinformation, and identifying knowledge gaps to be filled by new research.• A global project organised by the InterAcademy Partnership (IAP) is bringing together evidence from Africa, Asia, the Americas, and Europe to evaluate climate change effects on health and to assess policy priorities for adaptation and mitigation solutions.Project design encouraged inclusivity in assessing research from across disciplines and from diverse geographical and socioeconomic contexts encompassing issues for vulnerable groups (including Indigenous Peoples) and integrating outputs at national, regional, and global levels.• Coordinated policy development approaches across sectors and regions and integration at national-regional-global levels are essential to understand trade-offs, avoid inadvertent consequences, and capitalise on potential synergies for multiple benefits for health, equity, and environment.• National priorities must include integrating health actions into national climate adaptation plans and Nationally Determined Contributions (NDCs) under the Paris Agreement.Regional policy action is important to address cross-boundary issues and to build critical mass for quantifying and implementing solutions.• A focus on human health can catalyse the strengthening of international coherence and commitment to tackling shared climate change challenges.Health must be prioritised in current global policy initiatives, including the United Nations Framework Convention on Climate Change (UNFCC) Conference of the Parties 26 (CAU : PleasenotethatCOP26hasbeendefined OP26), UN Convention on Biological Diversity (CBD) Conference of the Parties 15 (CAU : PleasenotethatCOP15hasbeendefined OP15), and the UN Food Systems Summit.The scientific and health communities have a key role to help lead efforts by engaging at the science-policy interfaces to address barriers to 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,201 | 0,298 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,013 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,019 |
| Communication savante | 0,022 | 0,025 |
| Science ouverte | 0,008 | 0,024 |
| Intégrité de la recherche | 0,023 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».