Effective Community-Based Interventions for the Prevention and Management of Heat-Related Illnesses: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Extreme temperatures have negative consequences on the environment, ecosystem, and human health. With recent increases in global temperatures, there has been a rise in the burden of heat-related illnesses, with a disproportionate impact on low- and middle-income countries. Effective population-level interventions are critical to a successful public health response. OBJECTIVE: This scoping review aims to summarize the evidence on the effectiveness of population-level heat-related interventions and serve as a potential guide to the implementation of these interventions. METHODS: Studies that evaluated the effectiveness of community-based interventions to mitigate or reduce the impact of extreme heat on heat-related mortality and morbidity were sought by searching four electronic databases. Studies published in the English language and those that had quantifiable, measurable mortality, morbidity or knowledge score outcomes were included. RESULTS: The initial electronic search yielded 2324 articles, and 17 studies were included. Fourteen studies were based in high-income countries (HICs) (Europe, US, Canada) and discussed multiple versions of (1) heat action plans, which included but were not limited to establishing a heat monitoring system, informative campaigns, the mobilization of health care professionals, volunteers, social workers and trained caregivers in the surveillance and management of individuals with known vulnerabilities, or stand-alone (2) education and awareness campaigns. Multi-pronged heat action plans were highly effective in reducing heat-related mortality and morbidity, especially among vulnerable populations such as the elderly and those with chronic conditions. CONCLUSIONS: The heat action plans covered in these studies have shown promising results in reducing heat-related mortality and morbidity and have included instituting early warning systems, building local capacity to identify, prevent or treat and manage heat-related illnesses, and disseminating information. Nevertheless, they need to be cost-effective, easy to maintain, ideally should not rely on a mass effort from people and should be specifically structured to meet the local needs and resources of the community.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».