MétaCan
Menu
Retour à la cohorte
Enregistrement W3200368192 · doi:10.1177/21677026211040787

Climate Change and Children’s Mental Health: A Developmental Perspective

2021· review· en· W3200368192 sur OpenAlexafffund
Francis Vergunst, Helen Berry

Notice bibliographique

RevueClinical Psychological Science · 2021
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésWorryMental healthVulnerability (computing)PsychologyPsychopathologyClimate changeDevelopmental psychopathologyPerspective (graphical)Public healthChild developmentHuman development (humanity)Developmental psychologyEconomic growthClinical psychologyPsychiatryMedicineEcologyAnxietyEconomics

Résumé

récupéré en direct d'OpenAlex

Climate change is a major global public-health challenge that will have wide-ranging impacts on human psychological health and well-being. Children and adolescents are at particular risk because of their rapidly developing brain, vulnerability to disease, and limited capacity to avoid or adapt to threats and impacts. They are also more likely to worry about climate change than any other age group. Drawing on a developmental life-course perspective, we show that climate-change-related threats can additively, interactively, and cumulatively increase psychopathology risk from conception onward; that these effects are already occurring; and that they constitute an important threat to healthy human development worldwide. We then argue that monitoring, measuring, and mitigating these risks is a matter of social justice and a crucial long-term investment in developmental and mental health sciences. We conclude with a discussion of conceptual and measurement challenges and outline research priorities going forward.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,486
Tête enseignante GPT0,563
Écart entre enseignants0,077 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations181
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Psychological ScienceMême sujetClimate Change and Health ImpactsTravaux en français237 207